NumPy处理不等长颜色簇数组时按通道计算最小值的方法

在编写基于聚类的颜色数量压缩（颜色降维）脚本时，因各簇包含的颜色样本数不一致，调用numpy.min()时触发运行错误。
初始测试代码如下：

import numpy
a = numpy.array([
        [12, 44, 52],
        [27,  0, 71],
        [81, 99, 92]
    ])
b = numpy.array([
        [ 12,  13,  93],
        [128, 128, 128]
    ])
c = numpy.array([
        [ 57,  14, 255]
    ])
clusters = numpy.array([a,b,c])
print(numpy.min(clusters, axis=1))

已知约束：

• 每个簇的数组形状固定为(x, 3)，x为簇内颜色数量，3对应RGB三个颜色分量
• 目标输出形状为(n, 3)（n为簇总数），每个元素对应单个簇内所有颜色各分量的最小值，本例预期输出为[[12, 0, 52], [12, 13, 93], [57, 14, 255]]
• 所有簇样本数一致时原写法可正常运行，需要适配簇样本数不一致的场景。

报错核心原因：长度不一致的子数组装入numpy数组时，会生成dtype为object的一维数组，不存在axis=1的维度，无法直接按轴批量计算。最简便的实现方式是逐簇计算最小值后再合并为结果数组，代码如下：

import numpy
a = numpy.array([
        [12, 44, 52],
        [27,  0, 71],
        [81, 99, 92]
    ])
b = numpy.array([
        [ 12,  13,  93],
        [128, 128, 128]
    ])
c = numpy.array([
        [ 57,  14, 255]
    ])
clusters = numpy.array([a,b,c], dtype=object)
# 逐簇沿样本轴(axis=0)计算RGB三通道最小值，最后合并为结果数组
result = numpy.array([cluster.min(axis=0) for cluster in clusters])
print(result)

运行上述代码可得到预期输出：

[[ 12   0  52]
 [ 12  13  93]
 [ 57  14 255]]

该写法是numpy处理不规则长度数组运算的通用方案，逻辑清晰且性能足够覆盖绝大多数颜色压缩场景。如果处理超大规模图像聚类，可以先拼接所有簇样本、记录每个簇的起止索引，再通过分段聚合进一步提升运算效率，常规场景无需做这类复杂度优化。

内容的提问来源于stack exchange，提问作者phantum12265