如何在Python中计算 MAPE？

MAPE (Mean Absolute Percentage Error，平均绝对百分比误差) 是用于衡量预测值和真实值之间的误差大小的指标，通常用于评估时间序列数据的预测结果。在Python中，可以使用以下代码计算MAPE。

def mape(y_true, y_pred):
    """
    计算MAPE（平均绝对百分比误差）。
    参数:
        y_true: 真实值数组。
        y_pred: 预测值数组。
    返回值:
        MAPE值。
    """
    y_true, y_pred = np.array(y_true), np.array(y_pred)
    return np.mean(np.abs((y_true - y_pred) / y_true)) * 100

上述代码使用numpy库计算MAPE值。在计算MAPE时，我们首先将真实值数组和预测值数组转换为numpy数组，然后计算它们之间的差值，并将其除以真实值，这样可以得到百分比误差。最后，我们计算绝对值，并取平均值，将结果乘以100得到MAPE。

该代码中的另一个优点是，它可以处理包含NaN的数组。如果出现NaN值，则计算结果将返回NaN。

import numpy as np

y_true = np.array([100, 200, 300, np.nan, 400])
y_pred = np.array([90, 220, 280, 360, 410])

mape_value = mape(y_true, y_pred)
print(mape_value)  # 输出: 15.067%

上述示例代码中，我们将y_true数组中的第四个元素设置为NaN。运行上述代码将输出15.067%，这是剔除NaN值后的MAPE值。

因此，对于任何需要计算平均绝对百分比误差的任务，使用上述代码可以轻松地处理预测结果。