关于python无效值存在时np.nanmean和mean的区别

最新推荐文章于 2024-02-17 23:48:45 发布

原创最新推荐文章于 2024-02-17 23:48:45 发布 · 5k 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#python

本文介绍如何使用Numpy处理数组中的无效值，通过masked和nan填充两种方式实现统计量计算，比较不同函数的应用场景。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

用了好多次了，记一下

如果要计算一个数组中存在无效值的统计量如mean，numpy提供了nanmean对数据中出现np.nan进行处理。但有时使用numpy.ma.masked_where将该值masked了，这时候mean和nanmean都可以得到相同的想要的结果，下面是代码

a=numpy.array([0.0,1,5,999])
b=numpy.ma.masked_equal(a,999)
c=b.filled(numpy.nan)

numpy.mean(a) #(0+1+5+999)/4
251.25

numpy.mean(b) #(0+1+5)/3
numpy.nanmean(b) #(0+1+5)/3 
2.0

numpy.mean(c) #参与了np.nan所以没有忽略nan的话计算出现错误
nan

numpy.nanmean(c) #(0+1+5)/3 
2.0

可以看到，只有使用np.nan填充了，计算统计量时需要考虑numpy.nan函数，如果使用mask的话，则可以随意使用两个函数，结果都是对的