numpy.max vs builtin max

Question

numpy.max和max之间有什么区别？我的理解是使用numpy.max的主要优点是它可以处理多维数组，但是它们在以下方面表现不同：

In [1]: import numpy as np

In [2]: max([1, float('nan')])
Out[2]: 1

In [3]: max([float('nan'), 1])
Out[3]: nan

In [4]: np.max([1, float('nan')])
Out[4]: nan

In [5]: np.max([float('nan'), 1])
Out[5]: nan

这表明numpy.max和max对待＆＃34;最大＆＃34;的基本理念。换句话说，至少在某些边缘情况下，例如这样。有两个函数采用不同约定的原因，特别是为什么max的行为取决于排序？

Answer 1

nan无法比较;以下全部返回False：

• 1 < float('nan')
• 1 > float('nan')
• float('nan') < 1
• float('nan') > 1

如果您假设它的工作方式如下，则可以解释max的行为：假设列表中的第一个元素是最大的，将当前最大元素与列表中的下一个元素进行比较，并采用下一个元素元素if next > current。由于与float('nan')的比较总是会返回False，如果它是比较的左手操作数，max会认为它是最大的元素，但如果它是正确的，则认为它是最小的 - 手操作。

np.max的行为似乎通过返回涉及nan的任何操作来正确处理nan。也就是说，nan不仅是任何列表的最大值，还包括最小值，中值，或总和，或产品等。