意思是,nanmean和警告:空切片的意思

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])

现在我发现两者的np.mean回报和:nanab

>>> np.mean(a)
nan
>>> np.mean(b)
nan

自numpy 1.8(2016年4月20日发布)以来,我们一直很幸运nan,忽略了nan价值观:

>>> np.nanmean(b)
3.0

然而,当阵列无关,但 nanmean价值,它提出了一个警告:

>>> 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)

我不喜欢压制警告; 是否有更好的功能,我可以用来获得np.mean没有警告的行为？

Answer 1

我真的看不出有任何理由不去压制警告.

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时抑制警告 - 这样您就不会错过RuntimeWarnings在代码的其他部分可能意外引发的任何其他内容:

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的解决方案也可以工作,但是为了避免np.nanmean在所有NaN阵列上进行计算,你必须采取的任何额外步骤都会产生一些额外的开销,你可以通过抑制警告来避免这些开销.此外,您的意图将更清晰地反映在代码中.

Answer 2

甲NaN值被定义为不等于本身:

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

您可以使用Python条件,并且nan的属性永远不等于它自己以获得此行为:

>>> 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