numpy.ndarray 在求某个类别的mean，max，min的时候如何忽略跳过nan值，使用np.nanmean, np.nanmax

当我们在做分类任务的时候会求平均精确度，会出现某个类别在预测结果中不存在的情况，此时该类的TN，TP为零 求平均 会出现nan的情况。

np.nanmean, np.nanmax, np.nanmin 的应用

我们在对一个python numpy数组求均值或最大值的时候，如果这个数组里包含nan，那么程序就会报错或者求出来的值是nan，如下所示：

import numpy as np

In [1]: import numpy as np

In [2]: test = np.array([3,5,4,7,np.nan])

In [3]: m = test.mean()

In [4]: m
Out[4]: nan

In [5]: np.mean(test)
Out[5]: nan
 

---

那么我们如何来忽略这里面的nan，缺省值呢，numpy还有其他函数可以实现，那就是np.nanmean, np.nanmax 诸如此类的函数，可以看出来就是前面加上一个nan

In [6]: np.nanmean(test)

Out[6]: 4.75

In [7]: np.nanmax(test)

Out[7]: 7.0