可以修改 Julia 的 findmax 函数，使其不采用 NaN 值吗？

Question

因为我的 df 中有 NaN（它们不能被任何其他值替换），findmax() 函数 returns NaN 作为找到的最大值，这根本没有用...... 我一直在阅读几个博客和帖子，但一无所获。更具体地说，无论如何我可以使这个功能像python的np.nanmax()？

Answer 1

findmax 与 np.nanmax 不同。我假设您想要 np.nanmax 的功能，然后执行：

julia> your_vector = [1.0, NaN, 3.0, NaN, 2.0]
5-element Vector{Float64}:
   1.0
 NaN
   3.0
 NaN
   2.0

julia> maximum(skipmissing(isnan(x) ? missing : x for x in your_vector))
3.0

julia> your_vector = [NaN, NaN]
2-element Vector{Float64}:
 NaN
 NaN

julia> maximum(skipmissing(isnan(x) ? missing : x for x in your_vector))
ERROR: ArgumentError: reducing over an empty collection is not allowed

诀窍是用missing替换NaN（但不具体化结果以节省内存）然后跳过missing。请注意，我提出了一个解决方案，当仅存在 NaN 时会出错。在 Python 中你会收到警告，但在 Julia 中我们通常避免打印警告，因为它们很容易在不被注意的情况下丢失，而是需要明确的处理或错误情况。

现在您可能会问为什么 NaN 没有简单的解决方案，但是 missing 有一个解决方案（对于 missing，您只需写 maximum(skipmissing(your_vector)) )?答案是 NaN 值在 Julia 代码中通常不会遇到（除非你确实有一些计算产生 NaN），而在 Python 中 NaN 通常用作值这表明我们在数据中有缺失值（这很常见）。

Answer 2

也许比 skipmissing 更简单的解决方案（看起来也更快）是：

foo(itr) = maximum(x for x in itr if !isnan(x))

可以修改 Julia 的 findmax 函数，使其不采用 NaN 值吗？

can the findmax function of Julia be modified so it doesnt take the NaN values?

python

julia