Numpy 1.26.4中nanstd传入mean参数报错，如何复用均值优化性能？

问题原因 #

Numpy 1.26.4版本的nanstd函数不支持mean参数，只有普通的std函数提供该参数来避免重复计算均值。

可行解决方案 #

方案1：手动计算含NaN数组的标准差

基于已算出的nanmean，直接对非NaN元素计算平方差的均值平方根，和nanstd的计算逻辑完全一致，且无需重复计算均值：

import numpy as np
print(np.__version__)
x = [1,2,3,4,5, np.nan]
print(x)

mymean = np.nanmean(x)
print(mymean)

# 获取非NaN元素
x_non_nan = np.asarray(x)[~np.isnan(x)]
# 对应nanstd默认ddof=0（总体标准差）
mystd = np.sqrt(np.mean((x_non_nan - mymean) ** 2))
# 如果需要样本标准差（ddof=1），用下面的计算方式：
# mystd = np.sqrt(np.sum((x_non_nan - mymean) ** 2) / (len(x_non_nan) - 1))

print(mystd)

方案2：过滤NaN后使用普通std函数

先过滤掉数组中的NaN元素，再用支持mean参数的普通std函数计算，同样避免重复计算：

import numpy as np
print(np.__version__)
x = [1,2,3,4,5, np.nan]
print(x)

x_non_nan = np.asarray(x)[~np.isnan(x)]
mymean = np.mean(x_non_nan) # 和nanmean结果完全一致
print(mymean)

# 对应nanstd默认ddof=0，传入已计算的mean
mystd = np.std(x_non_nan, mean=mymean)
# 若需样本标准差，添加ddof=1：
# mystd = np.std(x_non_nan, mean=mymean, ddof=1)

print(mystd)

说明 #

两种方案都能高效处理长数组，避免重复计算均值的开销，计算结果和nanstd完全一致。

内容的提问来源于stack exchange，提问作者scriptkiddie