Question

我有9x9维度的数组 A 。我想选择特定的行，例如2,5,6和7并计算每行的最小值。

我试过

将numpy导入为np

将pandas导入为pd

A.min（轴= 1）

array([0, 0, 0, 0, 0, 0, 0, 0, 0])

但它同时为所有行提供值。我只想要特定的行。

Answer 1

如果df是包含dh.shape == (9, 9)的NumPy数组，要获得大于零的最小值，您可以例如做

row2 = df[2]  # or df[2, :] to choose all columns explicitly
min2 = np.min(row2[row2 > 0])
row5 = df[5]  # or df[5, :] to choose all columns explicitly
min5 = np.min(row5[row5 > 0])
...

Answer 2

然后我们需要做一些改变。

min_nums = []
for rows in matrix:
    rows = [y for y in rows if y > 0] ## If you want to include negative numbers then replace ">" with "!="
    min_nums.append(min(rows))

其中min_nums是给定行的最小值列表，矩阵将是您给定的矩阵。（2,5,6,7是矩阵中行的索引）

Answer 3

使用数组，通过索引选择所需的行，然后应用min：

In [16]: x=np.arange(81).reshape(9,9)
In [17]: idx=[2,5,6,7]
In [18]: x[idx,:].min(axis=1)
Out[18]: array([18, 45, 54, 63])
In [19]: x[idx,:]
Out[19]: 
array([[18, 19, 20, 21, 22, 23, 24, 25, 26],
       [45, 46, 47, 48, 49, 50, 51, 52, 53],
       [54, 55, 56, 57, 58, 59, 60, 61, 62],
       [63, 64, 65, 66, 67, 68, 69, 70, 71]])

如何逐个选择行并在numpy中找到每行的最小值

3 个答案: