我有这个 3x3 矩阵：
a=array([[ 1, 11, 5],
[ 3, 9, 9],
[ 5, 7, -3]])
我需要屏蔽每行中的最小值，以便计算每行丢弃最小值的平均值。有没有通用的解决方案？ 我试过了
a_masked=np.ma.masked_where(a==np.ma.min(a,axis=1),a)
哪个掩盖了第一行和第三行中的最小值，而不是第二行？
我将不胜感激。谢谢！
【问题讨论】：
标签： python numpy matrix masking minimum
min() 函数有什么作用？
对于每一行，只需执行 min(row)，它就会为您的案例中的该列表的最小值提供一行。只需将此最小值附加到所有最小值的列表中即可。
minList=[]
for i in array:
minList.append(min(i))
【讨论】：
问题是因为比较a == a.min(axis=1) 是将每个列 与每一行的最小值进行比较，而不是将每一行与最小值进行比较。这是因为a.min(axis=1) 返回一个向量而不是矩阵，其行为类似于Nx1 数组。因此，在广播时，== 运算符以列方式执行操作以匹配维度。
a == a.min(axis=1)
# array([[ True, False, False],
# [False, False, False],
# [False, False, True]], dtype=bool)
解决此问题的一种可能方法是将 resize 的结果 a.min(axis=1) 转换为列向量（例如 3 x 1 2D 数组）。
a == np.resize(a.min(axis=1), [a.shape[0],1])
# array([[ True, False, False],
# [ True, False, False],
# [False, False, True]], dtype=bool)
或者更简单地说，正如@ColonelBeuvel 所展示的那样：
a == a.min(axis=1)[:,None]
现在将其应用于您的整行代码。
a_masked = np.ma.masked_where(a == np.resize(a.min(axis=1),[a.shape[0],1]), a)
# masked_array(data =
# [[-- 11 5]
# [-- 9 9]
# [5 7 --]],
# mask =
# [[ True False False]
# [ True False False]
# [False False True]],
# fill_value = 999999)
【讨论】：