使用np.nan()计算每行和每列的平均值是不正确的。np.nan()是一个函数,用于创建一个NaN(Not a Number)的值,通常用于表示缺失数据。在计算平均值时,应该使用np.nanmean()函数来排除NaN值。
对于每行的平均值,可以使用np.nanmean()函数和axis参数设置为1来计算每行的平均值。示例代码如下:
import numpy as np
# 创建一个包含NaN值的二维数组
arr = np.array([[1, 2, np.nan], [4, np.nan, 6], [np.nan, 8, 9]])
# 计算每行的平均值
row_means = np.nanmean(arr, axis=1)
print("每行的平均值:", row_means)
对于每列的平均值,可以使用np.nanmean()函数和axis参数设置为0来计算每列的平均值。示例代码如下:
import numpy as np
# 创建一个包含NaN值的二维数组
arr = np.array([[1, 2, np.nan], [4, np.nan, 6], [np.nan, 8, 9]])
# 计算每列的平均值
column_means = np.nanmean(arr, axis=0)
print("每列的平均值:", column_means)
这样就可以得到每行和每列的平均值,而排除了NaN值的影响。
云+社区沙龙online [技术应变力]
腾讯云数据湖专题直播
DB TALK 技术分享会
DBTalk
云原生正发声
Elastic Meetup
云+社区技术沙龙[第9期]
云+社区技术沙龙[第11期]
Elastic Meetup Online 第三期
领取专属 10元无门槛券
手把手带您无忧上云