在python中查找numpy数组（或元组）中排除零的最小/最大值答案

【问题标题】：Find the min/max excluding zeros in a numpy array (or a tuple) in python在python中查找numpy数组（或元组）中排除零的最小/最大值
【发布时间】：2011-08-23 16:33:37
【问题描述】：

我有一个数组。有效值不为零（正数或负数）。我想在数组中找到不应该考虑零的最小值和最大值。例如，如果数字只是负数。零会有问题。

【问题讨论】：

您的问题是什么？你试过什么？怎么没用？

标签： python numpy

【解决方案1】：

怎么样：

import numpy as np
minval = np.min(a[np.nonzero(a)])
maxval = np.max(a[np.nonzero(a)])

a 是您的数组。

【讨论】：

@Shan：使用掩码数组可以避免a[np.nonzero(a)]创建的副本——看我的回答。

【解决方案2】：

如果可以选择数组中的“无效”值，最好使用nan 而不是0：

>>> a = numpy.array([1.0, numpy.nan, 2.0])
>>> numpy.nanmax(a)
2.0
>>> numpy.nanmin(a)
1.0

如果这不可行，您可以使用数组掩码：

>>> a = numpy.array([1.0, 0.0, 2.0])
>>> masked_a = numpy.ma.masked_equal(a, 0.0, copy=False)
>>> masked_a.max()
2.0
>>> masked_a.min()
1.0

与Josh's answer using advanced indexing相比，这样做的好处是避免创建数组的副本。

【讨论】：

@Sven：当我做ma.base is a 时，我得到了错误，所以它看起来不像ma 只是a 的视图，并且在某处有内存的副本。还是我测试的方式不对？
@JoshAdel：默认情况下，np.ma.masked_equal 会复制a。要查看视图，请使用ma = np.ma.masked_equal(a, 0.0, copy=False)。
这对我来说非常有效 - 我有一个案例需要检索最小/最大非零值的索引。
只是旁注：我觉得将视图 (ma) 命名为与用于创建它的模块相同 (numpy.ma) 对于试图理解此代码的人来说是不必要的混淆，当它可以从字面上命名为其他更具描述性的名称。例如，为什么不a_view？？
@Brunox13 我没有想到这会令人困惑，因为它只有三行代码，所以感谢您的反馈！我和masked_a一起去了。

【解决方案3】：

一种简单的方法是使用列表推导来排除零。

>>> tup = (0, 1, 2, 5, 2)
>>> min([x for x in tup if x !=0])
1

【讨论】：

问题的标题确实说“在一个 numpy 数组（或元组）中”。
在标题中没有看到元组，只阅读了数组的问题。我站纠正+1。我跳到你身上（和其他回应），因为人们发布了 numpy 问题的解决方案，将它们视为 numpy 列表，但事实并非如此。这是个人的烦恼，因为 numpy 解决方案通常效率更高。
对我上面写的内容稍作更正：'....将它们视为 python 列表...'

【解决方案4】：

您可以使用生成器表达式来过滤掉零：

array = [-2, 0, -4, 0, -3, -2]
max(x for x in array if x != 0)

【讨论】：

我认为 OP 是在谈论 numpy 数组而不是 python 列表。有区别，尽管您的解决方案对于后者是正确的。不会投反对票，只是让你知道。
啊，刚看到数组，没看到numpy标签。
这仍然适用于 numpy 数组，所以它是一个有效的答案。对于像这样的小数组，它也比 numpy 版本快得多。

【解决方案5】：

Masked arrays 通常就是专门为这些目的而设计的。您可以利用数组中的掩码零（或 ANY 其他您想要的掩码，甚至是比简单等式更复杂的掩码），并执行您在常规数组上执行的大部分操作你的蒙面数组。您还可以指定一个轴，您希望沿该轴找到最小值：

import numpy.ma as ma
mx = ma.masked_array(x, mask=x==0)
mx.min()

示例输入：

x = np.array([1.0, 0.0, 2.0])

输出：

1.0

【讨论】：

【解决方案6】：

这是另一种我认为更容易记住的屏蔽方式（尽管它确实复制了数组）。例如，它是这样的：

>>> import numpy
>>> a = numpy.array([1.0, 0.0, 2.0])
>>> ma = a[a != 0]
>>> ma.max()
2.0
>>> ma.min()
1.0
>>>

它可以推广到其他表达式，例如 a > 0、numpy.isnan(a)、... 您可以将掩码与标准运算符结合使用（+ 表示 OR，* 表示 AND，- 表示 NOT），例如：

# Identify elements that are outside interpolation domain or NaN
outside = (xi < x[0]) + (eta < y[0]) + (xi > x[-1]) + (eta > y[-1])
outside += numpy.isnan(xi) + numpy.isnan(eta)
inside = -outside
xi = xi[inside]
eta = eta[inside]

【讨论】：