Python max和np.max之间的差异

我有一个关于仅仅使用max（列表数组）和np.max（列表数组）之间的区别的问题

---

这里唯一的区别是Python返回代码所需的时间吗？

它们可能在边缘情况下有所不同，例如包含NAN的列表

import numpy as np
a = max([2, 4, np.nan])     # 4
b = np.max([2, 4, np.nan])  # nan

在这种情况下，NumPy传播NaN，而Python的

max

的行为不太确定

关于数据类型，还有一些微妙的问题：

a = max([10**n for n in range(20)])     # a is an integer
b = np.max([10**n for n in range(20)])  # b is a float

当然，运行时间差异记录在

---

通常，对于Python列表应该使用

max

，对于NumPy数组应该使用

np.max

，以尽量减少意外事件的发生。例如，我的第二个示例并不是关于

np.max

，而是关于数据类型转换：要使用

np.max

，首先将列表转换为NumPy数组，但是像

10**19

这样的元素太大，无法用NumPy整数类型表示，因此它们变成了浮点数

不完全是重复的，但相关：Np.max不打算使用列表数组（它可以）。查找Ndaray，在查看上面评论中的链接后，它会有意义。您所说的“列表数组”是什么意思？Python有列表。NumPy有数组。它们是不同的类型。我不建议依赖Python的

max

对NAN的行为。我怀疑这完全是一个意外的实现。事实上，

max（nan，1.2）

是

nan

，而不是

1.2

。Python的

max

没有显式地忽略NaN条目；只是在大多数情况下，它内部使用的比较方式都是正确的，因此到目前为止，

nan

不会被选为最大值。