当您执行以下操作时，将来会发出警告：
>>> numpy.asarray([1,2,3,None]) == None
目前返回False，但据我所知，将在Numpy的未来版本中返回包含[False,False,False,True]的数组。
正如所讨论的那样on the numpy discussion list，解决这个问题的方法是测试a is None。
让我感到困惑的是{1}数组与{1}数组的行为与列表相比：
in编辑（见评论） - 实际上有两个不同的问题：
>>> None in [1,2,3,None]
True
>>> None in numpy.asarray([1,2,3,None])
__main__:1: FutureWarning: comparison to 'None' will result in an elementwise
object comparison in the future
False
>>> 1 in numpy.asarray([1,2,3,None])
True
- 将FutureWarning的未来行为与现在的行为进行比较？None in numpy.asarray(...)与in的行为有所不同;我可以测试我的数组是否包含list而不将其转换为列表或使用None循环吗？ Numpy版本是1.9.1，Python 3.4.1
答案 0 :(得分：7)
当您执行以下操作时，将来会发出警告：
numpy.asarray([1,2,3,4]) == None目前返回
False，但据我所知，将在Numpy的未来版本中返回包含[False,False,False,True]的数组。
正如我在评论中提到的，您的示例不正确。 numpy的未来版本将返回[False ,False, False, False]，即False，表示数组中的每个元素不等于None。这与当前有效的其他标量值的元素比较更为一致，例如：
In [1]: np.array([1, 2, 3, 4]) == 1
Out[1]: array([ True, False, False, False], dtype=bool)
In [2]: np.array(['a', 'b', 'c', 'd']) == 'b'
Out[2]: array([False, True, False, False], dtype=bool)
让我感到困惑的是{1}数组与{1}数组相比，列表
的行为
当您测试in时，您正在呼叫x in y。当y.__contains__(x)是一个列表时，y基本上可以做到这一点：
__contains__据我所知，for item in y:
if (item is x) or (item == x):
return True
return False
执行的相当于：
np.ndarray.__contains__(x)也就是说它首先测试整个数组的元素相等（if any(y == x):
return True
else:
return False
是一个大小为y == x的布尔数组）。因为在您的情况下，您正在测试是否y，由于上述原因，这会引发y == None。
在评论中你也想知道为什么
FutureWarning返回np.nan in np.array([1, 2, 3, np.nan])
，但
False返回np.nan in [1, 2, 3, np.nan]
。第一部分很容易通过True（see here for the rationale behind this）这一事实来解释。要理解第二种情况返回np.nan != np.nan的原因，请记住True在检查相等性（list.__contains__()）之前首先检查身份（is）。自==起，第二种情况将返回np.nan is np.nan。