Mittelwert, nanmean und Warnung: Mittelwert der leeren Scheibe

Question

sagen, dass ich zwei numpy Arrays konstruieren:

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

Jetzt finde ich, dass np.mean kehrt nan für beide a und b:

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

Seit numpy 1.8 (veröffentlicht am 20. April 2016), wurden wir mit nanmean gesegnet, die nan Werte ignoriert:

>>> np.nanmean(b) 
3.0 

Wenn jedoch das Array hat nichts abernan Werte, wirft es eine Warnung:

>>> 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) 

Ich mag keine Warnungen zu unterdrücken; Gibt es eine bessere Funktion, die ich verwenden kann, um das Verhalten von nanmean ohne diese Warnung zu erhalten?

Answer 1

ich kann wirklich keinen guten Grund sehen nicht nur die Warnung unterdrücken.

Der sicherste Weg, um den warnings.catch_warnings Kontext-Manager zu verwenden, wäre die Warnung zu unterdrücken nur dort, wo Sie es antizipieren auftritt - auf diese Weise können Sie nicht verpassen zusätzliche jede RuntimeWarnings, die unerwartet in einem anderen Teil des Codes erhöht werden könnte:

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) 

@ Lösung würde die kumpel auch funktionieren, aber letztlich keine zusätzlichen Schritte, die Sie zu ergreifen, um haben Rechen np.nanmean auf einem Array aller NaNs zu vermeiden, werden einige zusätzliche Overhead verursachen, dass Sie das nur durch Unterdrückung von vermeiden könnte Warnung. Auch Ihre Absicht wird viel deutlicher im Code widergespiegelt.

Answer 2

Ein NaN Wert ist so definiert, nicht auf sich selbst gleich:

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

Sie ein Python-bedingte verwenden können und die Eigenschaft eines nan nie sich selbst gleich zu sein, dieses Verhalten zu erhalten:

>>> 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 

Sie können auch tun:

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