numpy：高于阈值的最小绝对值

Question

在多维矩阵中，我喜欢在公差值之上有最小的绝对值。

import numpy as np
np.random.seed(0)
matrix = np.random.randn(5,1,10)
tolerance = 0.1
np.amin(np.abs(matrix), axis=-1)
# array([[0.10321885],
#        [0.12167502],
#        [0.04575852],  # <- should not appear, as below tolerance
#        [0.15494743],
#        [0.21274028]])

以上代码 returns 最后一个维度的绝对最小值。但我想在确定最小值时忽略小值（接近 0）。因此，在我的 tolerance = 0.1 示例中，第三行应包含第二小的值。

使用 matrix[np.abs(matrix) >= tolerance] 我可以 select 高于 tolerance 的值，但这会使数组变平，因此 np.amin(...) 无法再确定最后一个维度的最小值。

Answer 1

您可以将小于 0.1 的值替换为例如 1，使用 np.where:

np.where(np.abs(matrix)< 0.1,1,np.abs(matrix))

然后在上面应用 np.amin :

np.amin(np.where(np.abs(matrix)< 0.1,1,np.abs(matrix)),axis=-1)

结果：

array([[0.10321885],
       [0.12167502],
       [0.18718385],
       [0.15494743],
       [0.21274028]])

numpy：高于阈值的最小绝对值

numpy: minimal absolute value above threshold

numpy

vectorization

precision