Python 为什么numpy max函数（np.max）返回错误的输出？

我有

pandas数据帧

，我将其转换为

numpy ndarray

。我对数据帧中的一列使用

max

函数，如下所示：

print('column: ',df[:,3])
print('max: ',np.max(df[:,3]))

结果是：

column: [0.6559999999999999 0.48200000000000004 0.9990000000000001 ..., 1.64 nan 0.07]
max: 0.07

但正如您所看到的，例如，第一个值大于0.07！！

---

问题出在哪里？

np.max是函数np.amax的别名，根据文档，它不能很好地处理NaN值。要忽略NaN值，应使用np.nanmax

这里有两个问题

---

看起来您试图为其查找最大值的列的数据类型为

对象

。如果您确定列中应该包含数字数据，则不建议这样做，因为它可能会导致不可预测的行为，而不仅仅是在这种特殊情况下。请检查您的数据帧的数据类型（您可以通过键入

df.dtypes

）并更改它，使其与您期望的数据相对应（对于这种情况，

df[column\u name].astype（np.float64）

）

您不希望在包含NAN的数组上使用

np.max

解决方案

---

如果确定列的数据类型为

对象

：

1.1。您可以使用级数的max方法，它应该将数据转换为自动浮动

df.iloc[3].max（）

1.2。只能为nanmax函数将数据强制转换为propper类型

np.nanmax（df.values[：，3].astype（np.float64）

1.3您可以从dataframe中删除所有nan并查找max[不推荐]：

np.max(test_data[column_name].dropna().values)

df[column_name] = df[column_name].astype(np.float64)

np.nanmax(df.values[:,3])

如果您的数据类型为float64，且不应为

对象

数据类型[推荐]：

np.max(test_data[column_name].dropna().values)

df[column_name] = df[column_name].astype(np.float64)

np.nanmax(df.values[:,3])

用于说明问题的代码

---

返回：

********Using np.max function********
Max of objects array: 0.07
Max of floats array: nan

********Using max method of series function********
Max of objects array: 1.64
Max of floats array: 1.64

---

你能把df[：，3]存储到一个单独的数据框中并找到它的最大值吗？对我来说，它似乎起作用了，但它仍然不起作用。如果可能的话，你能给我指出整个df吗？整个df还是第三列？你也可以使用df.iloc[3].max（）如果符合您的需要，则使用numpys函数进行替换。这是一个很好的假设，但不是正确的答案。看起来真正的问题与不正确的数据类型有关。如numpy.amax文档中所述，如果数组中存在nan，则amax返回nan，但在这种情况下并非如此。有一个讨论扩展了q再补充一点：