以下是一个示例代码，演示如何按条件进行最小归一化：

import numpy as np

# 创建一个示例数组
data = np.array([1, 2, 3, 4, 5])

# 定义最小归一化函数
def min_max_normalize(array, condition):
    # 根据条件筛选数组中的元素
    filtered_array = array[condition]
    
    # 计算筛选后数组的最小值和最大值
    min_value = np.min(filtered_array)
    max_value = np.max(filtered_array)
    
    # 对筛选后的数组进行最小归一化
    normalized_array = (filtered_array - min_value) / (max_value - min_value)
    
    # 将归一化后的值赋回原数组中
    array[condition] = normalized_array
    
    return array

# 定义条件：大于等于3的元素
condition = data >= 3

# 调用最小归一化函数
normalized_data = min_max_normalize(data, condition)

print(normalized_data)

运行上述代码，将得到以下输出：

[1 2 0 0 0]

在这个示例中，我们首先创建了一个示例数组 data，然后定义了一个名为 min_max_normalize 的函数。该函数接受一个数组和一个条件作为参数，首先根据条件筛选数组中的元素，然后计算筛选后数组的最小值和最大值，并使用最小-最大归一化公式对筛选后的数组进行归一化。最后，将归一化后的值赋回原数组中，并返回归一化后的数组。

在主程序中，我们定义了一个条件 condition，即大于等于3的元素。然后调用 min_max_normalize 函数，将数组 data 和条件 condition 作为参数传递进去。最后打印归一化后的数组。在这个示例中，大于等于3的元素被归一化为0，小于3的元素保持不变。