numpy的np.nanmax和np.max区别（坑）

AML杰

于 2019-07-05 00:04:53 发布

阅读量9.5k

点赞数 4

分类专栏： python numpy 文章标签： python numpy

本文链接：https://blog.csdn.net/xu136090331/article/details/94667987

版权

python 同时被 2 个专栏收录

6 篇文章

订阅专栏

numpy

5 篇文章

订阅专栏

本文对比了pandas Series对象的max()方法与numpy的max()和nanmax()函数在处理含NaN数据时的区别。指出使用numpy.max()计算含有np.nan的数据会返回nan，而np.nanmax()能正确忽略np.nan并计算最大值。此外，文章还提到了np.nanmin、np.nanstd、np.nanmean等函数在处理含np.nan数据时的优势。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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

numpy中numpy.nanmax的官方文档

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()

但是笔者由于数据量巨大，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也会包含进去，并最终结果为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排除进行最大值的计算，并得到想要的正确结果。

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()