Question

这是我在业余时间学习python的GIT开放课程的一部分。该练习仅处理numpy。因此，下面是创建文件路径并导入数据。我添加了skip_header，因为列名是字符串，并且我得到了Nan。因此，数据有33列，而我只需要使用usecols添加的5列即可。

import numpy as np
fp = 'C:\\Users\\matij\\Documents\\exercise-5-MatijaKordic\\6153237444115dat.csv'
data = np.genfromtxt(fp, skip_header =1, usecols=(0, 2, 22, 27, 28), delimiter=',')

接下来，我需要将数据拆分为分别为station，date，temp，temp_max和temp_min的变量。它们对应于usecols =（0，2，22，27，28）。

station = data[:, 0]
date = data[:, 1]
temp = data[:, 2]
temp_max = data[:, 3]
temp_min = data[:, 4]

此后，我需要计算以下内容：

数据中的华氏平均温度是多少？（临时变量）

最高温度的标准偏差是多少？（temp_max变量）

数据中存在多少个唯一的工作站？（电台变量）

所以，我这样做了：

temp_mean = temp.mean()
temp_max_std = temp_max.std()
station_count = np.unique(station)

我得到NaN作为平均值和最大值。对于唯一的电台，我得到[28450。 29980.]因此，我想我需要以某种方式在其中添加计数？

关于均值和最大值： -Max是Nan，那很好。不知道为什么我要把它放在作业中，但这是一个不同的故事。 -意思是这个问题的原因。当我打印temp时，我会得到值，那么为什么要得到temp.mean的NaN？

如果有人对此感兴趣，请访问以下链接： https://drive.google.com/file/d/1rGneQTfUe2rq1HAPQ06rvLDxzi-ETgKe/view?usp=sharing

Answer 1

我同意Anubhav的帖子，但是我建议改用： np.nanmean(temp)以计算忘记NaN（非数字）条目的均值。您还将得到相同的均值：41.58918641457781。 max也是如此：

print(np.nanmean(temp))
print(np.nanmax(temp))

输出：

41.58918641457781
65.0

Answer 2

您得到nan是因为numpy数组中的某些数据是nan。试试这个：

temp_mean = temp[~np.isnan(temp)].mean()
print(temp_mean)
temp_max_std = temp_max[~np.isnan(temp_max)].std()
print(temp_max_std)
station_count = np.unique(station)

输出：

41.58918641457781
9.734807757434636
array([28450., 29980.])

为什么在使用.mean（）时得到NaN

2 个答案: