NaNs是字典中的关键

Question

谁能向我解释以下行为？

>>> import numpy as np
>>> {np.nan: 5}[np.nan]
5
>>> {float64(np.nan): 5}[float64(np.nan)]
KeyError: nan

为什么在第一种情况下有效，但在第二种情况下无效？此外，我发现以下方法可以工作：

>>> a ={a: 5}[a]
float64(np.nan)

Answer 1

这里的问题是，NaN不等于其自身，如IEEE标准中对浮点数的定义：

>>> float("nan") == float("nan")
False

当字典查找键时，它大致执行以下操作：

1. 计算要查找的键的哈希值。

2. 对于字典中具有相同哈希值的每个键，请检查其是否与要查找的键匹配。此检查包括

一种。检查对象身份：如果字典中的键和要查找is的键与操作员指示的对象相同，则找到该键。

b。如果第一次检查失败，请使用__eq__运算符检查是否相等。

第一个例子成功了，因为np.nan和np.nan是相同的对象，所以不要将它们不相等都没关系：

>>> numpy.nan is numpy.nan
True

在第二种情况下，np.float64(np.nan)并且np.float64(np.nan)它们不是同一对象—两个构造函数调用创建两个不同的对象：

>>> numpy.float64(numpy.nan) is numpy.float64(numpy.nan)
False

由于对象也不相等，因此字典得出未找到键的结论，并抛出a KeyError。

您甚至可以这样做：

>>> a = float("nan")
>>> b = float("nan")
>>> {a: 1, b: 2}
{nan: 1, nan: 2}

总之，避免使用NaN作为字典键似乎是一个比较明智的主意。