Python怎么计算含NaN值的NumPy数组平均数_使用np.nanmean忽略缺失值进行求和

Python怎么计算含NaN值的NumPy数组平均数_使用np.nanmean忽略缺失值进行求和

np.nanmean 为什么能跳过 NaN 计算平均值

简单来说，np.nanmean 就是为处理缺失值而生的。它的工作原理很直接：内部先通过布尔索引，把所有 NaN 值“过滤”掉，然后再对剩下的有效数值调用标准的 np.mean 函数。这和你手动写 arr[~np.isnan(arr)].mean() 的逻辑完全一致，但好处是更简洁，并且原生支持多维数组和 axis 参数。

这里有个关键细节：它不会修改原始数组，而且非常“宽容”。即便整个数组都是 NaN，它也不会报错，而是安静地返回一个 nan。这一点和 np.mean 有本质区别——后者一旦遇到 NaN，就会直接让结果“感染”成 nan（这是 IEEE 754 标准的传播规则），而 np.nanmean 则是主动剔除干扰项。

axis 参数控制按行/列忽略 NaN 求均值

对于二维数组，axis 参数就是控制计算维度的“方向盘”。

• axis=0：意味着“按列计算”。函数会对每一列单独处理，忽略该列中的 NaN，最终返回一个长度等于列数的一维数组。
• axis=1：意味着“按行计算”。同理，对每一行单独处理，返回一个长度等于行数的数组。
• 不传 axis：那就把整个数组展平，当成一维数据来算整体均值。

来看几个具体的例子，感受会更直观：

• np.nanmean([[1, np.nan, 3], [4, 5, np.nan]], axis=0) → 结果是 [2.5, 5.0, 3.0]。第一列 (1,4) 均值2.5，第二列 (nan,5) 只取5，第三列 (3,nan) 只取3。
• np.nanmean([[1, np.nan, 3], [4, 5, np.nan]], axis=1) → 结果是 [2.0, 4.5]。第一行 (1,nan,3) 均值2.0，第二行 (4,5,nan) 均值4.5。
• np.nanmean([[np.nan, np.nan], [np.nan, np.nan]]) → 结果是 nan。所有值都无效，自然无均值可求。

常见错误：混用 np.mean 和 np.nanmean 导致结果异常

新手最容易踩的第一个坑，就是误用 np.mean。记住一个铁律：只要数组里混进一个 NaN，np.mean 的返回值就一定是 nan。这不是 Bug，而是浮点数标准的规定。相比之下，np.nanmean 就“聪明”得多，它只在整行或整列都无效时才返回 nan。

第二个坑藏在数据类型里。如果你把一个 dtype=object 的数组直接丢给 np.nanmeanTypeError: unorderable types 的错误。因为对象数组里的元素可能五花八门，函数无法直接比较。正确的做法是提前将数据转换为浮点类型。

• 错误示范：np.nanmean(np.array([1, 2, '3'], dtype=object))
• 正确做法：np.nanmean(np.array([1, 2, np.nan], dtype=float))

性能与替代方案：什么情况下不该用 np.nanmean

虽然 np.nanmean 很方便，但它并非万能钥匙。在特定场景下，可能有更好的选择。

首先考虑性能。如果数组规模极大，并且其中绝大部分值都是 NaN（比如稀疏矩阵），np.nanmean 仍然需要遍历每一个元素来判断是否为 NaN，这会造成一定的性能开销。此时，手动使用布尔掩码索引结合 np.mean，或者借助 numba 进行加速，可能是更高效的方案。

其次看生态。如果你已经在使用 Pandas 处理数据，那么完全没必要绕远路。因为 Series.mean() 和 DataFrame.mean() 方法默认就会跳过 NaN 进行计算。反过来也要注意，不要对纯粹的 NumPy 数组强行使用 pd.isna，这可能会引发不必要的类型转换，拖慢速度。

最后，也是真正需要警惕的一点：np.nanmean 只处理 NaN，对正负无穷（inf/-inf）是视而不见的。它们会被当作有效的数值参与计算，这很可能扭曲最终结果。如果你的数据源有可能产生无穷大，务必先用 np.isfinite 函数进行过滤预处理。