python - 为什么 max() 有时返回 nan 有时忽略它？

Question

这个问题的动机是an answer我不久前就给过。

假设我有一个像这样的数据框

import numpy as np
import pandas as pd

df = pd.DataFrame({'a': [1, 2, np.nan], 'b': [3, np.nan, 10], 'c':[np.nan, 5, 34]})

     a     b     c
0  1.0   3.0   NaN
1  2.0   NaN   5.0
2  NaN  10.0  34.0

我想用行的最大值 I can do 替换 NaN

df.apply(lambda row: row.fillna(row.max()), axis=1)

这给了我想要的输出

      a     b     c
0   1.0   3.0   3.0
1   2.0   5.0   5.0
2  34.0  10.0  34.0

但是，当我使用时

df.apply(lambda row: row.fillna(max(row)), axis=1)

由于某种原因，它仅在三种情况中的两种被正确替换:

     a     b     c
0  1.0   3.0   3.0
1  2.0   5.0   5.0
2  NaN  10.0  34.0

确实，如果我用手检查

max(df.iloc[0, :])
max(df.iloc[1, :])
max(df.iloc[2, :])

然后打印

3.0
5.0
nan

做的时候

df.iloc[0, :].max()
df.iloc[1, :].max()
df.iloc[2, :].max()

它打印出预期的内容

3.0
5.0
34.0

我的问题是为什么 max() 在三种情况中的一种失败，但在所有三种情况下都失败。为什么 NaN 有时会被忽略，有时不会？

Answer 1

原因是 max 的工作原理是将第一个值作为“迄今为止看到的最大值”，然后检查每个其他值以查看它是否大于迄今为止看到的最大值。但是 nan 的定义是，与它的比较总是返回 False --- 也就是说，nan > 1 为 false，但 1 > nan 也是错误。

因此，如果您以 nan 作为数组中的第一个值，则每次后续比较都会检查是否 some_other_value > nan。这始终是错误的，因此 nan 将保留其位置“迄今为止看到的最大值”。另一方面，如果 nan 不是第一个值，那么当达到它时，比较 nan > max_so_far 将再次为 false。但在这种情况下，这意味着当前“迄今为止看到的最大值”(不是 nan)将仍然是迄今为止看到的最大值，因此 nan 将始终被丢弃。