如何沿轴查找Numpy数组中排除零元素的最值？

这个场景我之前踩过坑，确实直接用np.nonzero()切片的方式在多维数组指定轴计算时会破坏维度结构，给你两个简单又靠谱的解决方案：

方案一：用NaN替换0后调用nanmin/nanmax #

np.nanmin()和np.nanmax()会自动忽略NaN值，而且原生支持axis参数，完美适配多维数组的需求。核心思路是把数组中的0替换成NaN，再调用这两个函数：

import numpy as np

# 构造一个二维测试数组
a = np.array([[0, 2, 3], [4, 0, 6], [7, 8, 0]])

# 沿轴0（按列）计算非零最小值
min_val_col = np.nanmin(np.where(a == 0, np.nan, a), axis=0)
# 沿轴1（按行）计算非零最大值
max_val_row = np.nanmax(np.where(a == 0, np.nan, a), axis=1)

print(min_val_col)  # 输出: [4. 2. 3.]
print(max_val_row)  # 输出: [3. 6. 8.]

这个方法代码简洁，执行效率也高，是我平时用得最多的方案。

方案二：使用掩码数组（Masked Array） #

Numpy的掩码数组可以标记需要忽略的元素，非常适合这种“排除特定值计算”的场景。用np.ma.masked_equal()把0元素掩码掉，然后直接调用掩码数组的min()/max()方法，同样支持指定轴：

import numpy as np

a = np.array([[0, 2, 3], [4, 0, 6], [7, 8, 0]])

# 掩码数组：标记所有0元素为无效值
masked_arr = np.ma.masked_equal(a, 0)

# 沿轴0计算最小值
min_axis0 = masked_arr.min(axis=0)
# 沿轴1计算最大值
max_axis1 = masked_arr.max(axis=1)

# 可以用filled()将掩码数组结果转为普通numpy数组，默认用NaN填充，也可指定填充值
print(min_axis0.filled())  # 输出: [4. 2. 3.]
print(max_axis1.filled())  # 输出: [3. 6. 8.]

这个方法的优势是掩码数组会保留原数组的结构，如果你需要基于非零元素做多次计算（比如同时算均值、最值），用掩码数组会更方便。

注意事项 #

• 如果原数组本身包含NaN值，方案一需要额外处理（比如先把原NaN替换成其他值，或者改用掩码数组）；
• 如果某一轴上的元素全是0，两种方法都会返回NaN，记得根据你的业务场景添加异常判断或默认值处理。

内容的提问来源于stack exchange，提问作者a.smiet