Python numpy/NaN差异混淆

当我试图在

pandas

dataframe的行中查找非nan元素的平均值/和时，遇到了这个问题。看来

df.apply(np.mean, axis=1)

很好

但是，将

np.mean

应用于包含nan的

numpy

数组将返回一个nan

---

这些都是在什么地方指定的吗？我不想在路上被烧掉……

numpy的mean函数首先检查其输入是否有mean方法，正如@EdChum在中所解释的那样

使用

df.apply

时，传递给函数的输入是pandas.Series。因为pandas.Series有一个mean方法，所以numpy使用该方法而不是使用自己的函数。默认情况下，pandas.Series.mean忽略NaN

您可以通过“值”属性访问基础numpy数组，并将其传递给函数：

df.apply(lambda x: np.mean(x.values), axis=1)

---

这将使用numpy的版本。

numpy的mean函数首先检查其输入是否有mean方法，如@EdChum在中所述

使用

df.apply

时，传递给函数的输入是pandas.Series。因为pandas.Series有一个mean方法，所以numpy使用该方法而不是使用自己的函数。默认情况下，pandas.Series.mean忽略NaN

您可以通过“值”属性访问基础numpy数组，并将其传递给函数：

df.apply(lambda x: np.mean(x.values), axis=1)

---

这将使用numpy的版本。

Divakar正确地建议使用np.nanmean

---

如果我可以回答这个问题的话，语义是不同的，因为Divakar正确地建议使用np.nanmean

---

如果我可以回答这个问题的话，它的语义是不同的，因为当@Divakar用

np.nanmean

保存你自己时，它对

np.sum

，

np.std

和其他的做了同样的工作，但问题依然存在：

pandas

和

numpy

中的语义为何不同（考虑到

pandas

中使用的函数是

np.mean

）。我认为pandas中使用的函数应该是nanmean，但是我们需要验证这一点。用

np.nanmean

@Divakar对

np.sum

、

np.std

等做同样的工作？@Divakar我知道答案是肯定的，但问题仍然存在：为什么

pandas

和

numpy

的语义不同（假设pandas中使用的函数是

np.mean

）。我认为pandas中使用的函数是nanmean，但我们需要验证这一点。