numpy.nanargmin() en Python

numpy.nanargmin (tableau, axe = Aucun) : renvoie les indices de l`élément min du tableau sur l`axe spécifié, en ignorant NaN.
Les résultats ne sont pas fiables si la tranche ne contient que NaN et Infs.
Paramètres :

 tableau :  Tableau d`entrée pour travailler sur axe :  [int, facultatif] Le long d`un axe spécifié comme 0 ou 1 

Retour :

Tableau d`indices dans le tableau avec la même forme que array.shape. avec la cote le long de l`axe supprimée. 

Code 1 :

# programme Python illustrant
# nanargmin () fonctionne

import numpy comme geek

# Travailler avec un tableau 1D

array = [ geek.nan, 4 , 2 , 3 , 1 ]

imprimer ( "INPUT ARRAY 1 :" , array)

array2 = geek.array ([[geek.nan, 4 ], [ 1 , 3 ]])

# renvoie les index de l`élément min
# pour les métriques qui incluent NaN

print ( "Indices de min dans array1 :" , geek.nanargmin (array ))

# Travailler avec un tableau 2D

print ( "ENTREE TABLEAU 2 :" , array2)

print ( "Indices de min dans array2 :" , geek.nanargmin (array2))

print ( "Indices à l`axe 1 de array2 :" , geek.nanargmin (tableau2, axe = 1 ) )

Sortie :

INPUT TABLEAU 1 : [nan, 4, 2, 3, 1] Indices de min dans tableau1 : 4 TABLEAU D`ENTRÉE 2 : [[nan 4.] [1. 3.]] Indices de min dans array2 : 2 Indices à l`axe 1 de array2 : [1 0] 

Code 2 : Comparaison de argmin et nanargmin opération

# programme Python illustrant
# nanargmin () travail

import numpy as geek

# Travailler avec un tableau 2D

array = ([[ 8 , 13 , 5 , 0 ],

[geek.nan, geek. nan, 5 , 3 ],

[ 10 , 7 , 15 , 15 ],

[ 3 , 11 , 4 , 12 ]])

print ( "ENTRÉE TABLEAU :" , tableau)

# renvoie m dans les indices d`éléments
# par métriques

"" "

[[8 13 5 0]

[0 2 5 3]

[10 7 15 15]

[3 11 4 12]]

^ ^ ^ ^

0 2 4 0 - élément

1 1 3 0 - indicateurs

"" "

print ( "Indices de min en utilisant argmin :" , geek.argmin (tableau, axe = 0 ))

imprimer ( " Indices de min en utilisant nanargmin :: " , geek.nan argmin (un tableau, un axe = 0 ))

Sortie :

TABLEAU D`ENTREE : [[8 13 5 0] [0 2 5 3] [10 7 15 15] [3 11 4 12]] Indices de l`élément min : [1 1 3 0] 

Liens :
argmin.html> https://docs.scipy.org/doc/numpy -dev/reference/generated/numpy.nanargmin.html

Remarques :
Ces codes ne seront pas travailler pour les identifiants en ligne. Veuillez les exécuter sur vos systèmes pour voir comment ils fonctionnent

Cet article est fourni par Mohit Gupta_OMG