当我们在做分类任务的时候会求平均精确度,会出现某个类别在预测结果中不存在的情况,此时该类的TN,TP为零 求平均 会出现nan的情况。
np.nanmean, np.nanmax, np.nanmin 的应用
我们在对一个python numpy数组求均值或最大值的时候,如果这个数组里包含nan,那么程序就会报错或者求出来的值是nan,如下所示:
import numpy as np
In [1]: import numpy as np
In [2]: test = np.array([3,5,4,7,np.nan])
In [3]: m = test.mean()
In [4]: m
Out[4]: nan
In [5]: np.mean(test)
Out[5]: nan
那么我们如何来忽略这里面的nan,缺省值呢,numpy还有其他函数可以实现,那就是np.nanmean, np.nanmax 诸如此类的函数,可以看出来就是前面加上一个nan
In [6]: np.nanmean(test)
Out[6]: 4.75
In [7]: np.nanmax(test)
Out[7]: 7.0