numpy中np.nanmax和np.max的区别及坑_Python

numpy中np.nanmax和np.max的区别及坑

2022-09-22 12:23AML杰 Python

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

原理

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。

				?

									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。

				?

									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。

速度区别

速度由快到慢依次:

				?

									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()

numpy中nan和常用方法

				?

									#!/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))