使用numpy.rate，在numpy数组上返回意外的nan

Question

我正在使用np.rate函数计算简单增长率。我尝试使用向量操作。这样可以运行：

b = np.arange(1,10)
np.rate(1,0,-b[:-1],b[1:])

这将返回：
数组([ 1. , 0.5 , 0.33333333, 0.25 , 0.2 , 0.16666667, 0.14285714, 0.125 ])

然而，这并不像我期望的那样工作：

b = np.arange(10)
np.rate(1,0,-b[:-1],b[1:])

返回结果：
数组([ nan, nan, nan, nan, nan, nan, nan, nan, nan])
有什么好的解决方法吗？我认为第一个索引位置的0可能会给np.rate函数带来一些问题，但我不确定最好的纠正方法是什么。感谢您的帮助。

- user2962397

---

我收到了这个错误：RuntimeWarning: divide by zero encountered in true_divide。所以很可能这就是原因。 - Marcin

如果我的回答不够充分，您能告诉我您还需要什么吗？ - Joel

Answer 1

你的第二个案例中，b 的值为零。

np.rate 无法处理那里的0值。

从 np.rate 的（简要）文档中可以理解，你正在要求它找到在单个支付周期内将0变成1所需的利率。这是一个具有挑战性的问题。

要解决此问题，您只需不要在那里放置零即可。

- Joel

---

嗨，乔尔。感谢你的回答。我们知道得到你提出的问题的答案是不可行的。但让我惊讶的是速率函数的响应。它没有将nan放在特定元素中，而是将向量中的每个元素都变成了nan。这是一种全有或全无的方法，我没有预料到。我可以创建自己的函数来处理这个问题。也许通过将所有零更改为某个任意数字，然后在结果中将其变成nan？ - user2962397

Answer 2

我可以想到两种可能的解决方法。

(1) 将 -b[:-1] 和 b[1:] 存储在 pandas DataFrame 中，并使用 .apply 计算每行的 np.rate。这比你的示例中的向量化方法要慢。

import pandas as pd
import numpy as np
import numpy_financial as npf # I get a warning telling me to use numpy_financial instead of numpy
b = np.arange(0,10)
df = pd.DataFrame({'a':-b[:-1],'b':b[1:]})
res = df.apply(lambda x: npf.rate(1,0,x.a,x.b),axis=1)
# [nan,0.9999999999999999, 0.4999999999999999, 0.33333333333333326, 0.24999999999999992, 0.2, 0.1666666666666667, 0.1428571428571427, 0.12499999999999992]

（2）将数据存储在Pandas数据框中，并添加一个筛选器以过滤有效条目。在您的示例中，nper>0，但在其他情况下，您也希望根据其他标准进行过滤，例如（pmt * npt）>= pv。

valid_df = df.loc[df['a'] !=0] # in real examples add other filtering here.

你可以仅对这些筛选出的行进行向量化计算。

df['result'] = np.nan
df.loc[df['a'] != 0,'result'] = npf.rate(1,0,valid_df.a,valid_df.b)

- oli5679