龙空技术网

python中numpy的nanmax和array().max()的区别

梦得见的未来 156

前言:

而今各位老铁们对“python中max”可能比较关怀,大家都需要分析一些“python中max”的相关知识。那么小编在网络上网罗了一些对于“python中max””的相关内容,希望咱们能喜欢,各位老铁们快快来了解一下吧!

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()

但当由于数据量巨大,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也会会计算在内,并最终结果返回为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,并进行最大值的计算,并得到想要的正确结果4。

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() 

标签: #python中max