Python和Numpy的nan和set

Question

我遇到了Python的Numpy，set和NaN（非数字）的意外行为：

>>> 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])

在这里，np.nan产生单个元素集，而Numpy的nans产生一个集合中的多个nans。float（’nan’）也是如此！并注意：

>>> 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。

Answer 1

NAN的特性之一是NAN！=
NAN，与所有其他数字不同。但是，在set尝试插入新成员之前，first的实现会先检查id（x）是否与哈希索引处的现有成员匹配。如果您有两个ID都不同的对象，它们的ID都不同，则您将在集合中获得两个条目。如果它们具有相同的ID，则它们会折叠为一个条目。

正如其他人指出的那样，np.nan是一个始终具有相同ID的单个对象。