Python | Numpy np.ma.mini() 方法

np.ma.mini() 方法是Numpy中的一个用于计算掩码数组（Masked arrays）中最小值的函数。掩码数组是在原始数组的基础上运用了布尔蒙版进行过滤而得到的数组类型，即在原始数组的基础上按照指定条件，某些数据视为无效值，用于实现数据清洗、数据分析、数据可视化等操作。

语法

numpy.ma.mini(a, axis=None, out=None, fill_value=None, keepdims=<no value>, mask=None)

参数

• a : 输入的掩码数组。
• axis : 需要计算的轴。
• out ： 可选参数，用于表示输出结果的放置位置。
• fill_value ： 可选参数，用于表示填充掩码数组中的无效值的值。
• keepdims ： 可选参数，若值为True，则保持输出矩阵的维度数，否则去除多余的维度数。
• mask ： 可选参数，新的掩码数组。

返回值

np.ma.mini()方法返回掩码数组中的最小值。

示例

import numpy as np 
  
a = np.ma.array([[1, 2, 3], [4, 5, 6]], mask=[[True, False, False], [False, False, False]]) 
print("Masked Array:\n ", a)

# 输出掩码数组中的最小值
print("Minimum value of masked array along the axis 0:\n ", np.ma.mini(a, axis=0))

输出结果如下：

Masked Array:
  [[-- 2 3]
 [4 5 6]]
Minimum value of masked array along the axis 0:
  [4 2 3]

注：上述结果输出中出现双划线（--），表示该位置被掩盖了，即该位置应该输出有效值，但是被当成无效值；输出结果中只有一行，是因为在axis=0参数中，第一个轴为行，第二个轴为列，在此只关心行的最小值，所以返回的结果为一维数组。

应用场景

掩码数组能够处理数据的缺失、异常等问题，因此在实际的数据清洗、数据分析、数据可视化等领域中得到了广泛的应用。例如，统计人口数量时可能出现身份证、地址等信息缺失的情况，掩码数组能够轻松处理这类问题；在统计气温、湿度等数据时，可能会出现异常数据，例如极端高温、极端低温等，掩码数组可以快速将这些异常数据标记出来并进行处理。因此，np.ma.mini()方法可以广泛应用于各类掩码数组的最小值计算场景。