python - 与 numpy 不同，带有 NaN 的 Pandas 系列 np.max 不会将 NaN 显示为最大值

Question

data_df[“列名”]

<class 'pandas.core.series.Series'>

0     -475.0
1     -799.0
2     -656.0
3     -444.0
4     -901.0
       ...
575      NaN
576      NaN
577      NaN
578      NaN
579      NaN


type(data_df["colname"].iloc[579])
<class 'numpy.float64'>

data_df["colname"].iloc[579] 
nan

当我使用 np.nan 运行普通数组时，我得到以下信息:

>>> np.max([1,2,3,4,np.float64(np.nan)], initial=1)
nan

>>> np.max([1,2,3,4,np.nan], initial=1)
nan

但是对于 Pandas ，尽管包含 NaN 值:

np.max(data_df["colname"]) 
83.0

它不匹配，这是怎么回事？

此外，虽然 np.amax 有 'initial' 参数:

>>> np.max([1,2,3,4,np.nan], initial=1)
nan

Pandas 它给出了一个错误:

np.max(data_df["colname"], initial=1)


    validate_kwargs(fname, kwargs, self.defaults)
  File "/Users/-/poetry/virtualenvs/-/lib/python3.9/site-packages/pandas/util/_validators.py", line 153, in validate_kwargs
    _check_for_invalid_keys(fname, kwargs, compat_args)
  File "/Users/-/poetry/virtualenvs/-/lib/python3.9/site-packages/pandas/util/_validators.py", line 127, in _check_for_invalid_keys
    raise TypeError(f"{fname}() got an unexpected keyword argument '{bad_arg}'")
TypeError: max() got an unexpected keyword argument 'initial'

似乎它没有通过 pandas 关键字参数验证。

Answer 1

请注意，您的错误回溯实际上引发了 pandas 中的错误代码。初步验证已转至pandas .

 np.max(data_df['colname'].values, initial=1) 

是纯 numpy 版本。
(稍后我可能会添加详细信息。)
想想np.max作为与其他行为类似的原始版本 numpy ufunc . np.nanmax是 nanfunctions.py 中的众多附加组件之一.这里它取代了 nan与 -inf .并且只适用于 float 。 pandas用户遇到丢失数据的情况比较多，所以它的开发者增加了铃声，额外的nan处理确实需要时间。