NumPy 1.14 - numpy.maximum()

numpy.maximum




numpy

numpy.maximum

numpy.maximum(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = <ufunc 'maximum'>

सरणी तत्वों के तत्व-वार अधिकतम।

दो सरणियों की तुलना करें और तत्व-वार मैक्सिमा युक्त एक नई सरणी लौटाते हैं। यदि तुलना किए जा रहे तत्वों में से एक NaN है, तो वह तत्व वापस आ जाता है। यदि दोनों तत्व NaN हैं तो पहले लौटा दिया जाता है। बाद के भेद जटिल NaN के लिए महत्वपूर्ण हैं, जिन्हें कम से कम वास्तविक या काल्पनिक भागों में NaN के रूप में परिभाषित किया गया है। शुद्ध प्रभाव यह है कि NaN का प्रचार किया जाता है।

पैरामीटर:

X1, x2 : array_like

तत्वों की तुलना करने वाले सरणियों की तुलना की जानी चाहिए। उनके पास एक ही आकार, या आकार होना चाहिए जो एकल आकार में प्रसारित किया जा सकता है।

बाहर : ndarray, कोई नहीं, या tdle of ndarray और कोई नहीं, वैकल्पिक

एक स्थान जिसमें परिणाम संग्रहीत किया जाता है। यदि प्रदान किया जाता है, तो इसका एक आकार होना चाहिए जो कि इनपुट प्रसारित करता है यदि प्रदान नहीं किया गया है या None , तो एक ताज़ा-आवंटित सरणी वापस आ जाती है। एक ट्यूपल (केवल एक कीवर्ड तर्क के रूप में संभव) आउटपुट की संख्या के बराबर लंबाई होना चाहिए।

जहां : array_like, वैकल्पिक

सत्य के मान उस स्थिति में ufunc की गणना करने के लिए संकेत देते हैं, गलत के मान अकेले उत्पादन में मूल्य छोड़ने का संकेत देते हैं।

** kwargs

अन्य कीवर्ड-केवल तर्कों के लिए, ufunc डॉक्स देखें।

यह दिखाता है:

y : ndarray या स्केलर

ए 1 और x2 की अधिकतम, तत्व-वार। अगर दोनों x1 और x2 स्केलर हैं, तो स्केलर लौटाता है।

यह भी देखें

minimum
तत्व-वार न्यूनतम दो सरणियाँ, NaN का प्रचार करती हैं।
fmax
तत्व-वार अधिकतम दो सरणियाँ, NaNs को अनदेखा करती हैं।
amax
किसी दिए गए अक्ष के साथ एक सरणी का अधिकतम मूल्य, NaN का प्रचार करता है।
nanmax
किसी दिए गए अक्ष के साथ एक सरणी का अधिकतम मूल्य, NaNs को अनदेखा करता है।

fmin , amin , nanmin

टिप्पणियाँ

अधिकतम np.where(x1 >= x2, x1, x2) समतुल्य है जब न तो X1 और न ही x 2 नान होते हैं, लेकिन यह तेज है और उचित प्रसारण करता है।

उदाहरण

>>> np.maximum([2, 3, 4], [1, 5, 2])
array([2, 5, 4])
>>> np.maximum(np.eye(2), [0.5, 2]) # broadcasting
array([[ 1. ,  2. ],
       [ 0.5,  2. ]])
>>> np.maximum([np.nan, 0, np.nan], [0, np.nan, np.nan])
array([ NaN,  NaN,  NaN])
>>> np.maximum(np.Inf, 1)
inf