在Python中返回数组沿轴0的最大值或忽略任何NaN的最大值

在这篇文章中，我们将看到如何在Python中沿0轴返回数组的最大值或忽略任何NaN的最大值。

示例

输入:

[[ 1.  0.  3.]
 [10. nan 30.]
 [nan 10. 20.]]

输出: [10. 10. 30.]
解释: 一个有最大值的数组。

Python中的nanmax方法

Python提供了一个nanmax方法，可以忽略任何NaN值，返回一个数组沿指定轴的最大值。nanmax方法存在于NumPy包中，可以忽略NaN值，返回一个数组或一个数组沿任何指定轴的值。让我们来看看nanmax方法的语法，并讨论该方法所接受的参数。

语法: numpy.nanmax(arr, axis=None, out=None, keepdims = no_value)

参数:

• arr:- 输入阵列
• axis:- axis=0代表沿着列， axis=1代表沿着行。
• out:- 不同的数组，我们要在其中存储输出。它的尺寸应该与预期输出的尺寸一致。
• keepdims:- 如果keepdims值被设置为 “true”，那么被缩小的轴将以1的尺寸留在结果中。

返回一个标量值（如果没有轴）或一个包含沿指定轴的最大值的数组。

示例 1:

结果数组由每一列的最大值组成，因为我们在nanmax方法中指定 axis=0。

# import required packages
import numpy as np
 
# creating a numpy array with few Nan values
arr = np.array([[1, 0, 3], [10, np.nan, 30],
                [np.nan, 10, 20]])
 
# display the input array
print("Input array\n", arr)
 
# return the maximum values of an array
# along specified axis by ignoring NaNs
print("Max Array-", np.nanmax(arr, axis=0))

输出:

Input array
 [[ 1.  0.  3.]
 [10. nan 30.]
 [nan 10. 20.]]
Max Array- [10. 10. 30.]

示例 2:

结果数组由每一行的最大值组成，因为我们在nanmax方法中指定了axis=1。

# import required packages
import numpy as np
 
# creating a numpy array with few Nan values
arr = np.array([[1, 0, 3], [10, np.nan, 30],
                [np.nan, 10, 20]])
 
# display the input array
print("Input array\n", arr)
 
# return the maximum values of an array
# along specified axis by ignoring NaNs
print("Max Array-", np.nanmax(arr, axis=1))

输出:

Input array
 [[ 1.  0.  3.]
 [10. nan 30.]
 [nan 10. 20.]]
Max Array- [ 3. 30. 20.]

示例 3:

在这个例子中，我们没有在nanmax方法中指定轴参数。所以它考虑了axis=None的值，并返回给定数组中的最大值而不考虑NaN值。

# import required packages
import numpy as np
 
# creating a numpy array with few Nan values
arr = np.array([[1, 0, 3], [10, np.nan, 30],
                [np.nan, 10, 20]])
 
# display the input array
print("Input array\n", arr)
 
# return the maximum value in an array
# by ignoring NaNs
print("Max value in array-", np.nanmax(arr))

输出:

Input array
 [[ 1.  0.  3.]
 [10. nan 30.]
 [nan 10. 20.]]
Max value in array- 30.0