您好,登錄后才能下訂單哦!
今天小編給大家分享一下numpy中np.nanmax和np.max的區(qū)別及坑是什么的相關(guān)知識點,內(nèi)容詳細,邏輯清晰,相信大部分人都還太了解這方面的知識,所以分享這篇文章給大家參考一下,希望大家閱讀完這篇文章后有所收獲,下面我們一起來了解一下吧。
numpy中numpy.nanmax的官方文檔
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(dāng)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()
#!/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(biāo)注差 print(np.std(b, axis=0))
以上就是“numpy中np.nanmax和np.max的區(qū)別及坑是什么”這篇文章的所有內(nèi)容,感謝各位的閱讀!相信大家閱讀完這篇文章都有很大的收獲,小編每天都會為大家更新不同的知識,如果還想學(xué)習(xí)更多的知識,請關(guān)注億速云行業(yè)資訊頻道。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。