02-11 02:16 阅读 92

numpy中np.nanmax和np.max的区别及坑

这篇文章主要介绍了numpy中np.nanmax和np.max的区别及坑，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教

np.nanmax和np.array([1,2,3,np.nan]).max()的区别

numpy中numpy.nanmax的官方文档

在计算dataframe最大值时，最先用到的一定是Series对象的max()方法()，最终结果是4。

1 2	`s1` `=` `pd.Series([1,2,3,4,np.nan])` `s1_max` `=` `s1.max()`

但是笔者由于数据量巨大，列数较多，于是为了加快计算速度，采用numpy进行最大值的计算，但正如以下代码，最终结果得到的是nan，而非4。发现，采用这种方式计算最大值，nan也会包含进去，并最终结果为nan。

1

2

3

s1 = pd.Series([1,2,3,4,np.nan])

s1_max = s1.values.max()

>>>nan

通过阅读numpy的文档发现，存在np.nanmax的函数，可以将np.nan排除进行最大值的计算，并得到想要的正确结果。

当然不止是max，min 、std、mean 均会存在列中含有np.nan时，s1.values.min /std/mean ()返回nan的情况。

速度由快到慢依次:

1

2

3

s1 = pd.Series([1,2,3,4,5,np.nan])

#速度由快至慢

np.nanmax(s1.values) > np.nanmax(s1) > s1.max() 

#!/usr/bin/env python

# -*- coding:utf-8 -*- 

# Author: Jia ShiLin

import numpy as np

a = np.arange(9, dtype=float).reshape(3, 3)

a[[[1], [2]]] = np.nan

print(a)

# isnan函数

print(np.isnan(a))

a[np.isnan(a)] = 0  # 把nan替换成中值或者均值

print(a)

print(np.count_nonzero(a))

# sum()统计求和

b = np.arange(12, dtype=int).reshape(2, 6)

print(b)

print(np.sum(b, axis=0))  # 得到结果和行的形状一样

print(np.sum(b, axis=1))

# .mean()

print(b.mean())

print(b.mean(axis=0))

print(b.mean(axis=1))

# np.median()中位数

print(np.median(b, axis=0))

# .min() .max()

# .ptp()机值

print(np.ptp(b))

# .std()标注差

print(np.std(b, axis=0))

以上为个人经验，希望能给大家一个参考

原文链接：https://blog.csdn.net/xu136090331/article/details/94667987