在运算符中,float("NaN")和np.nan

Question

我以前认为inPython 中的运算符使用相等性检查来检查某些集合中元素的存在==,因此element in some_list大致相当于any(x == element for x in some_list).例如:

True in [1, 2, 3]
# True because True == 1

要么

1 in [1., 2., 3.]
# also True because 1 == 1.

然而,众所周知,它NaN本身并不等同.所以我期待的float("NaN") in [float("NaN")]是False.而且它False确实是.

但是,如果我们使用numpy.nan而不是float("NaN"),情况则完全不同:

import numpy as np
np.nan in [np.nan, 1, 2]
# True

但np.nan == np.nan仍然给False!

这怎么可能？np.nan和之间有什么区别float("NaN")？怎么in处理np.nan？

Answer 1

要检查产品列表中,巨蟒为测试对象标识第一,然后争取平等的测试仅如果对象是不同的.¹

float("NaN") in [float("NaN")]是错误的,因为 比较中涉及两个不同的 NaN对象.因此,对于身份的测试返回False,然后对于相等性的测试也返回False NaN != NaN.

np.nan in [np.nan, 1, 2]但是为True,因为比较中涉及相同的 NaN对象.对象标识的测试返回True,因此Python立即将项目识别为列表中的项目.

许多Python的其他内置Container类型(如元组和集合)的__contains__方法(使用调用in)是使用相同的检查实现的.

¹至少在CPython中也是如此.这里的对象标识意味着在相同的内存地址处找到对象:执行列表的contains方法,使用PyObject_RichCompareBool该方法在可能更复杂的对象比较之前快速比较对象指针.其他Python实现可能有所不同.

Answer 2

值得一提的是,numpy数组的行为符合预期:

a = np.array((np.nan,))
a[0] in a
# False

主题的变化:

[np.nan]==[np.nan]
# True
[float('nan')]==[float('nan')]
# False
{np.nan: 0}[np.nan]
# 0
{float('nan'): 0}[float('nan')]
# Traceback (most recent call last):
#   File "<stdin>", line 1, in <module>
# KeyError: nan

@ AlexRiley的优秀答案涵盖了其他所有内容.