Numpy如何获取多维矩阵中高于阈值的最小绝对值

核心思路是将低于阈值的绝对值替换为无穷大，既不改变原始数组维度，又能在取最小值时自动过滤无效值：

import numpy as np
np.random.seed(0)
matrix = np.random.randn(5,1,10)
tolerance = 0.1

# 计算绝对值矩阵
abs_mat = np.abs(matrix)
# 将低于阈值的值替换为无穷大，避免被选为最小值
filtered_abs = np.where(abs_mat >= tolerance, abs_mat, np.inf)
# 沿最后一维取最小值
result = np.amin(filtered_abs, axis=-1)
print(result)

运行后输出结果如下，第三行已经返回符合阈值要求的最小值：

[[0.10321885]
 [0.12167502]
 [0.18718385]
 [0.15494743]
 [0.21274028]]

边界情况处理 #

如果某个分组（沿最后一维的切片）所有值都低于阈值，计算结果会返回inf，你可以根据业务需求后续替换为np.nan或者自定义默认值：

# 示例：将inf替换为nan
result[np.isinf(result)] = np.nan

内容的提问来源于stack exchange，提问作者Christian