np.max函数,

  np.max函数,

  本文主要介绍了numpy中np.nanmax和np.max的区别和坑点,有很好的参考价值。希望对大家有帮助。如有错误或不足之处,请不吝赐教。

  

目录

np.nanmax和np.array([1,2,3,np.nan])。max()通过速度来区分nan和numpy中常见方法

 

  

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

 

  numpy.nanmax在numpy的官方文档

  

原理

 

  计算最大dataframe时,必须先使用Series对象的max()方法(),最终结果为4。

  s1=pd。系列([1,2,3,4,名词性名词])

  s1_max=s1.max()

  但由于数据量巨大,列数较多,作者为了加快计算速度,使用numpy计算最大值,但就像下面的代码一样,最终结果是nan,而不是4。发现如果这样计算最大值,也会包含nan,最后结果是nan。

  s1=pd。系列([1,2,3,4,名词性名词])

  s1_max=s1.values.max()

  圆盘烤饼

  通过阅读numpy的文档,发现有一个np.nanmax的函数,可以将np.nan排除在最大值计算之外,得到想要的正确结果。

  当然,不仅是max,还有min,std,mean,s1.values.min /std/mean()在列中包含np.nan时会返回nan。

  

速度区别

 

  速度从快到慢是:

  s1=pd。系列([1,2,3,4,5,名词性名词])

  #速度从快到慢

  NP . nanmax(S1 . values)NP . nanmax(S1)S1 . max()

  

numpy中nan和常用方法

 

  #!/usr/bin/env python

  # -*-编码:utf-8 -*-

  # Author:贾士林

  将numpy作为np导入

  a=np.arange(9,dtype=float)。重塑(3,3)

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

  打印(一份)

  # isnan函数

  print(np.isnan(a))

  A[np.isnan(a)]=0 #用中间值或平均值替换nan。

  打印(一份)

  print(NP . count _非零(a))

  统计总和

  b=np.arange(12,dtype=int)。整形(2,6)

  打印(b)

  Print(np.sum(b,axis=0)) #结果与行的形状相同。

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

  # .平均值()

  打印(b.mean())

  打印(b.mean(轴=0))

  打印(平均值(轴=1))

  # np.median()中值

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

  # .最小()。最大()

  # .ptp()机器值

  打印(np.ptp(b))

  # .标准()标记差异

  print(np.std(b,轴=0))

  以上个人经验,希望给你一个参考,也希望你能支持盛行的IT软件开发工作室。

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

留言与评论(共有 条评论)
   
验证码: