Question

假设我构造了两个numpy数组：

a = np.array([np.NaN, np.NaN])
b = np.array([np.NaN, np.NaN, 3])

现在我发现np.mean为nan和a b返回>>> np.mean(a) nan >>> np.mean(b) nan：

nan

自numpy 1.8（2016年4月20日发布）以来，我们已被nanmean祝福，忽略了>>> np.nanmean(b) 3.0值：

nan

但是，当数组中没有但 >>> np.nanmean(a) nan C:\python-3.4.3\lib\site-packages\numpy\lib\nanfunctions.py:598: RuntimeWarning: Mean of empty slice warnings.warn("Mean of empty slice", RuntimeWarning)值时，它会发出警告：

nanmean

我不喜欢压制警告;是否有一个更好的功能，我可以使用{{1}}没有那个警告的行为？

Answer 1

我真的看不出有任何理由不公开警告。

最安全的方法是使用warnings.catch_warnings上下文管理器仅在您预期发生警告的情况下取消警告 - 这样您就不会错过任何可能意外提升的RuntimeWarnings在代码的其他部分：

import numpy as np
import warnings

x = np.ones((1000, 1000)) * np.nan

# I expect to see RuntimeWarnings in this block
with warnings.catch_warnings():
    warnings.simplefilter("ignore", category=RuntimeWarning)
    foo = np.nanmean(x, axis=1)

@ dawg的解决方案也可以使用，但最终为了避免在所有NaN数组上计算np.nanmean而必须采取的任何其他步骤都会产生一些额外的开销，你可以避免只是压制警告。此外，您的意图将更清晰地反映在代码中。

Answer 2

NaN值被定义为不等于它自己：

>>> float('nan') == float('nan')
False
>>> np.NaN == np.NaN
False

你可以使用Python条件和nan的属性永远不等于它自己来获得这种行为：

>>> a = np.array([np.NaN, np.NaN])
>>> b = np.array([np.NaN, np.NaN, 3])
>>> np.NaN if np.all(a!=a) else np.nanmean(a)
nan
>>> np.NaN if np.all(b!=b) else np.nanmean(b)
3.0

你也可以这样做：

import warnings
import numpy as np

a = np.array([np.NaN, np.NaN])
b = np.array([np.NaN, np.NaN, 3])

with warnings.catch_warnings():
    warnings.filterwarnings('error')
    try:
        x=np.nanmean(a)
    except RuntimeWarning:
        x=np.NaN    
print x

意思是，nanmean和警告：空切片的意思

2 个答案: