使用SciPy binned_statistic计算分箱均值的NaN处理与报错解决

问题1：通用简单方案（兼容所有SciPy版本） #

你之前代码输出结果不符合预期的核心原因是：过滤掉a中的nan后，x轴使用了重新生成的连续序列，和原始x轴的取值对应关系断裂，导致分箱区间和原始数据范围不匹配。
正确的通用做法是成对过滤x和待统计值的样本，仅删除待统计值为nan对应的(x, value)对，分箱区间仍采用原始x的取值范围，既不会触发SciPy的非有限值校验，也不会丢失你需要保留的分箱区间，自动过滤nan计算均值。
参考实现代码：

from scipy.stats import binned_statistic
import numpy as np
import matplotlib.pyplot as plt

# 测试数据
a = np.array([0.1, 0.15, 0.17, 0.2, 0.3, 0.4, np.nan, 0.12,  0.15, 0.17, 0.22, np.nan, 0.37, np.nan, 0.12,  0.15, 0.17, 0.17, 0.35, 0.42, np.nan])
b = np.linspace(1, len(a), len(a))

# 成对过滤有效样本，保留原始x的对应取值
mask = ~np.isnan(a)
valid_x = b[mask]
valid_value = a[mask]

# 分箱区间使用原始x的上下限，不会丢失需要保留的区间
bmean = binned_statistic(valid_x, valid_value,
                        statistic='mean',
                        bins=3,
                        range=(b.min(), b.max()))

# 计算分箱中心
bin_edges = bmean.bin_edges
bin_centers = (bin_edges[1:] + bin_edges[:-1]) / 2

# 结果验证
plt.scatter(b, a, label='原始数据')
plt.hlines(np.nanmean(a), b[0], b[-1], linestyles='--', label='全局均值')
plt.scatter(bin_centers, bmean.statistic, marker='x', s=90, c='red', label='分箱均值')
plt.legend()
plt.show()

如果某个分箱内全为nan，返回的统计值为nan，你可以后续按需补充空分箱的填充逻辑。

问题2：直接使用statistic=np.nanmean的方法 #

根据你使用的SciPy版本，对应两种处理方式：

• SciPy >= 1.9.0版本：官方已修复历史校验逻辑问题，新增nan_policy参数，设置为omit即可直接传入np.nanmean，不需要提前过滤数据：

# 直接传入原始含nan数据即可
bmean = binned_statistic(b, a,
                        statistic=np.nanmean,
                        bins=3,
                        range=(b.min(), b.max()),
                        nan_policy='omit')

• SciPy 1.4.0 ~ 1.8.x版本：这几个版本的输入校验强制要求所有传入值为有限值，无官方绕过参数，建议优先使用上面的通用过滤方案，或升级SciPy到1.9以上版本即可支持nan_policy参数。

内容的提问来源于stack exchange，提问作者nuwe