Python'；s和Numpy'；s nan和set

我在Python的Numpy、set和NaN（非数字）中遇到了一种不可预测的行为：

这里np.nan生成一个元素集，而Numpy的nan在一个集中生成多个nan。浮动（'nan'）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产生的，以及不同行为背后的合理性是什么。

NAN的特性之一就是NAN！=南，不像其他数字。但是，

set

的实现首先检查id（x）是否与哈希索引中的现有成员匹配，然后再尝试插入新成员。如果有两个ID不同的对象都具有NAN值，那么在集合中会有两个条目。如果它们都有相同的id，则会折叠成一个条目

---

正如其他人所指出的，

np.nan

是一个始终具有相同id的单一对象。

它看起来像

numpy.nan

是一个单一对象。因此，它的每个实例都具有相同的标识。查看

id（np.nan）'v

id（np.float64（'nan'））`（对于重复实例）。

[id（np.float64（'nan'）表示范围（10）中的n]

给出

[65159576、65159576、65159576、65159576、65159576、65159576、65159576、65159576、65159576、65159576]和
[id（np.nan）表示范围（10）]
给出了
[35133032、35133032、35133032、35133032、35133032、35133032、35133032、35133032、35133032、35133032]
@FinnÅrupNielsen在这种情况下创建的NAN对象每次都会被销毁，因为它是没有引用的临时对象，并且对象位置正在被重用。这就是为什么每次都会得到相同的id。@FinnÅrupNielsen对于我来说，numpy 1.8.0的结果不同，
[id（np.float64（'nan'））是两个不同的id，用于范围（10）内的n]
。这是因为我们正在丢弃对象，因此CPython可以重用内存空间。尝试使用：
x=[np.float64（'nan'），表示范围（10）中的n）；[id（y）表示x中的y]
关于“始终具有相同的id”，有些事情是奇怪的：如果
l=np.array（[np.nan，np.nan]）
，那么
id（l[0]）、id（l[1]）、[id（x）表示l中的x]
是
（946651263888946651263888、[946651263888、[946651263912]）
@fuglede这是一个很棒的评论！“有人知道为什么会这样吗？”episodeyang问得好。我希望x的
是一致的，要么给出实际对象的引用，要么制作副本。它似乎有一些我还没有弄明白的微妙之处。还要注意的是，不能保证后续调用
id（l[0]）
会给出相同的结果，如果您使用
list（map（id，l））
而不是理解，您会得到重复的id（但是
list（map（id，list（l））
确实创建了一个副本）; 阵列很有趣。这种行为并不特定于
np.nan
；比如说，整数也是一样的。整数的例子本身也很有趣，因为当使用低整数时，你得到的对象不一定是CPython维护的单例；比较np.array（[2，2]）中x的
[id（x）]
和[2，2]]中x的
[id（x）]
。因此，所有这一切实际上更多地说明了数组的行为，但它确实表明，您不能总是假设两个看起来都像
np.nan
的对象必然具有相同的
id
。特别是，在原始文章中提供的示例中，
set（np.array（[np.nan，np.nan]）
将给出一个两元素集。
>>> type(float('nan')) == type(np.nan)
True