“为什么？”；“不是一个数字”；在Python/Numpy中强制转换为布尔值时，值是否等于True？

将NumPy Not-a-Number值强制转换为布尔值时，它将变为真，例如，如下所示

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

这与我直觉上的预期正好相反。这种行为背后是否有合理的原则

---

（我怀疑在八度音阶中可能会出现相同的行为。）

0.0

是唯一的falsy浮点值，因为语言设计者认为这是最有用的。Numpy只是跟着。（当

bool（float（'nan'）

为

True时，如果
bool（np.nan）
为
False
，那就很奇怪了）

我想这可能是因为整数就是这样工作的。诚然，整数没有NaN或inf类型的值，但我认为特殊情况不足以打破规则。
Python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可能选择了坚持这种行为，并防止NaN在布尔上下文中计算为
False
。但是请注意，您可以使用来测试NaN。
Numpy在这里，任何数值类型的计算结果都是
False
当且仅当其数值为零时

请注意，使用
NaN
值进行真值测试在其他方面也可能是不直观的（例如，
NaN==NaN
的计算结果为
False
）。
这绝不是特定于NumPy的，而是与Python处理NaN的方式一致：

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

这些规则在合同中有详细说明

我认为可以合理地说，NaN的真值应该是假的。但是，这不是语言目前的工作方式。
我的直觉：NaN不等于零，因此转换为布尔值时是正确的。如果NaN为false，则浮点到布尔的转换将需要两个检查，一个为零，一个为NaN。（但我怀疑将Numpy浮点值解释为布尔值并不是常见的做法……）C语言也是如此（Numpy是基于C语言的）。根据标准：
当任何标量值转换为_Bool时，如果值比较等于0，则结果为0；否则，结果为1。
脚注59明确指出，
NaNs不等于0，因此转换为1。
这不取决于语言设计者；努皮族人本可以决定把
nan
也设为假的。@larsmans——这很公平。我没有注意到，
numpy
是OP问题的一部分。但我不认为这真的改变了什么。对于
numpy
来说，做python做的事情是有意义的。应该注意-0.0也是错误的。这是一件一开始可能并不琐碎的事情。我想你的意思是“…计算为
False
if…”沃伦——真的！谢谢.TL；链接文档的灾难恢复：Python将所有内容都视为
True
，除非它是专门定义的错误情况之一（例如，
None
、
false
、数字零、空序列、返回其中一个的用户定义类等等）。我认为所有类型中都应该是NaN。也就是说，布尔值应该有一个NaN值。NaN不应强制转换为有效值。