np.max()和np.min()默认展平数组返回全局标量；axis=0按列、axis=1按行压缩；含NaN时返回nan，需用np.nanmax()/np.nanmin()；禁用Python内置max()处理ndarray。
np.max() 和 np.min() 默认行为是什么
不指定 axis 参数时，np.max() 和 np.min() 会把整个数组展平成一维，再返回单个标量值。这不是“按行”或“按列”，而是彻底忽略原始形状。
常见错误现象：np.max([[1, 5], [3, 2]]) 返回 5，而不是 [5, 3] 或 [3, 5] —— 如果你预期的是每行最大值，那说明漏了 axis。
- 想取全局极值：直接调用，不用
axis - 想保留维度（比如结果要和原数组广播）：加
keepdims=True - 输入含
NaN时，默认返回nan；需用np.nanmax()/np.nanmin()
沿 axis=0 或 axis=1 找极值怎么选
axis=0 是“压缩行”，即对每列操作；axis=1 是“压缩列”，即对每行操作。口诀：axis 指的是要“消失”的那个维度。
示例：a = np.array([[1, 5], [3, 2]])
-
np.max(a, axis=0)→[3, 5]（第0列最大是3，第1列最大是5） -
np.max(a, axis=1)→[5, 3]（第0行最大是5，第1行最大是3） - 高维数组同理：
axis=2表示在第三维（索引从0开始）上求极值 - 负轴可用：
axis=-1等价于最后一维，写起来更鲁棒
遇到 NaN 怎么办：np.max() vs np.nanmax()
np.max() 遇到任意 NaN 就返回 nan，且不报错，容易静默污染结果。这不是 bug，是 IEEE 754 规定的行为。
典型误用场景：从 CSV 加载数据后直接算极值，但某列有缺失值，结果整个 np.max() 变成 nan。
- 明确要跳过
NaN：用np.nanmax()和np.nanmin() - 二者也支持
axis和keepdims，用法完全一致 - 注意：如果某一行/列全是
NaN，np.nanmax()仍返回nan—— 需额外检查 - 性能略低（需遍历判断），但日常数据量下可忽略
和 Python 内置 max()/min() 混用的坑
别对 NumPy 数组用 max(arr)。它会触发 Python 的迭代协议，把数组当 Python 列表处理，结果是按第一维切片比较（即对每“行”对象比大小），不是数值比较。
错误示例：max(np.array([[1, 2], [3, 4]])) 返回 array([3, 4])，因为 [3, 4] > [1, 2]（按字典序）。
- 永远优先用
np.max()处理ndarray -
max()只适合纯 Python list/tuple，或已转为list(arr)后 - 混淆还可能引发类型错误：比如
max()不支持keepdims，也不识别axis
复杂点在于：极值计算常嵌在链式操作里（比如 np.max(x * w + b, axis=1)），这时候更要确认每个环节的输入类型和维度是否符合预期——一个 tolist() 插进去，整条链就失效了。
