为什么在Python / Numpy中作为布尔值转换时，“Not a Number”值等于True？

Question

当将NumPy Not-a-Number值转换为布尔值时，它变为True，例如如下。

>>> import numpy as np
>>> bool(np.nan)
True

这与我直觉所期望的完全相反。这种行为是否存在合理的原则？

（我怀疑在Octave中可能会出现相同的行为。）

Answer 1

这绝不是NumPy特有的，但与Python对待NaN的方式一致：

In [1]: bool(float('nan'))
Out[1]: True

规则在documentation中列出。

我认为可以合理地认为NaN的真值应该是假的。但是，这不是语言现在的工作方式。

Answer 2

Python truth-value testing声明以下值被视为False：

  

  
• 任何数字类型的零，例如，0,0L，0.0,0j。
  

Numpy可能选择坚持这种行为并阻止NaN在布尔上下文中评估False。但请注意，您可以使用numpy.isnan来测试NaN。

Answer 3

0.0是唯一的假浮动值，因为这是语言设计者认为最有用的。 Numpy只是顺着而已。 （bool(np.nan)为False时bool(float('nan'))为True会很奇怪。

我认为这可能是因为这就是整数的运作方式。不可否认，整数没有NaN或inf类型的值，但我认为特殊情况不足以破坏规则。

Answer 4

Numpy在此处python standard for truth testing之后，当且仅当其数值为零时，任何数字类型的计算结果为False。

请注意，NaN值的真值测试在其他方面也可能不直观（例如，nan == nan评估为False）。