Question

我遇到了Python的Numpy，set和NaN（非数字）的不可预知的行为：

>>> set([np.float64('nan'), np.float64('nan')])
set([nan, nan])
>>> set([np.float32('nan'), np.float32('nan')])
set([nan, nan])
>>> set([np.float('nan'), np.float('nan')])
set([nan, nan])
>>> set([np.nan, np.nan])
set([nan])
>>> set([float('nan'), float('nan')])
set([nan, nan])

这里np.nan产生单个元素集，而Numpy的nans产生一组中的多个nans。浮动（＆＃39; nan＆＃39;）也是如此！请注意：

>>> type(float('nan')) == type(np.nan)
True

我想知道这种差异是如何形成的，以及不同行为背后的理性是什么。

Answer 1

NAN的一个属性是NAN！= NAN，与所有其他数字不同。但是，set的实现首先检查id（x）是否与哈希索引处的现有成员匹配，然后才尝试插入新的成员。如果你有两个具有不同id的对象，它们都具有值NAN，那么你将在集合中获得两个条目。如果它们都具有相同的ID，则它们会合并为一个条目。

正如其他人所指出的，np.nan是一个始终具有相同ID的单个对象。

Python和Numpy的nan和set

1 个答案: