numpy中np.nanmax和np.max的區(qū)別及坑
作者：AML杰
這篇文章主要介紹了numpy中np.nanmax和np.max的區(qū)別及坑，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教
np.nanmax和np.array([1,2,3,np.nan]).max()的區(qū)別
numpy中numpy.nanmax的官方文檔
原理
在計算dataframe最大值時，最先用到的一定是Series對象的max()方法()，最終結(jié)果是4。
s1 = pd.Series([1,2,3,4,np.nan]) s1_max = s1.max()
但是筆者由于數(shù)據(jù)量巨大，列數(shù)較多，于是為了加快計算速度，采用numpy進行最大值的計算，但正如以下代碼，最終結(jié)果得到的是nan，而非4。發(fā)現(xiàn)，采用這種方式計算最大值，nan也會包含進去，并最終結(jié)果為nan。
s1 = pd.Series([1,2,3,4,np.nan]) s1_max = s1.values.max() >>>nan
通過閱讀numpy的文檔發(fā)現(xiàn)，存在np.nanmax的函數(shù)，可以將np.nan排除進行最大值的計算，并得到想要的正確結(jié)果。
當然不止是max，min 、std、mean 均會存在列中含有np.nan時，s1.values.min /std/mean ()返回nan的情況。
速度區(qū)別
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函數(shù) print(np.isnan(a)) a[np.isnan(a)] = 0 # 把nan替換成中值或者均值 print(a) print(np.count_nonzero(a)) # sum()統(tǒng)計求和 b = np.arange(12, dtype=int).reshape(2, 6) print(b) print(np.sum(b, axis=0)) # 得到結(jié)果和行的形狀一樣 print(np.sum(b, axis=1)) # .mean() print(b.mean()) print(b.mean(axis=0)) print(b.mean(axis=1)) # np.median()中位數(shù) print(np.median(b, axis=0)) # .min() .max() # .ptp()機值 print(np.ptp(b)) # .std()標注差 print(np.std(b, axis=0))
以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。