java难学还是pythonnanxue_关于python：为什么numpy中的“ NaN”比“ -np.inf”更小？

在涉及np.min或np.argmin的任何比较中，认为NaN小于-np.inf的原因是什么？

import numpy as np

In [73]: m = np.array([np.nan, 1., 0., -np.inf])

In [74]: n = np.array([-np.inf, 1., 0., np.nan])

# Huh??

In [75]: np.min(m)

Out[75]: nan

In [76]: np.min(n)

Out[76]: nan

# Same for np.argmin

In [77]: np.argmin(m)

Out[77]: 0

In [78]: np.argmin(n)

Out[78]: 3

# Its all false!

In [79]: np.nan < -np.inf

Out[79]: False

In [80]: np.nan > -np.inf

Out[80]: False

# OK, that seems to fix it, but its not necessarily elegant

In [81]: np.nanmin(m)

Out[81]: -inf

In [82]: np.nanargmin(m)

Out[82]: 3

我想这可能与将NaN值返回False的任何比较产生副作用，但是当您"偶然"有时在数组中最终以NaN值结尾时，这种恕我直言会带来一些相当烦人的效果。 np.nanmin或np.nanargmin的使用感觉就像是一种快速修复程序，该修复程序以某种方式装订在现有行为之上。

除了文档中的注释外："传播NaN值，也就是说，如果至少一项是NaN，则相应的最小值也将是NaN。要忽略NaN值(MATLAB行为)，请使用nanmin。没有找到任何能解释该行为背后原因的信息。这是通缉还是NaN值的特定内部表示的副作用？为什么？

您可能会发现此答案很有帮助：stackoverflow.com/questions/1565164/

这是一种逻辑行为：如果某物不是数字，则无法将其与是数字的任何东西进行比较，因此，任何比较均返回false。不仅如此-人们可以说在大多数情况下，NaN不是某些操作的理想结果，因此它应该像其他任何异常一样传播。

请参阅最近的答案stackoverflow.com/a/41324751/901925。在此功能和相关功能中，NaN被显式编码为maximal。

您的前提不正确。 np.nan对于任何其他数字(包括它自己)都是无序的，不会引发错误。虽然小于，但它也大于且不等于任何其他数字-包括其自身。这是IEEE 754的一部分。实现细节是如果用信号处理NaN或安静地处理NaN。脾气暴躁的对待安静。

正如@Dunno在评论中提到的，将NaN与数字进行比较并没有太多意义，因此这种行为可能是可以的。 IEEE 754标准说明了将NaN与数字进行比较的方法：

Four mutually exclusive relations are possible: less than, equal, greater than, and unordered. The last case

arises when at least one operand is NaN. Every NaN shall compare unordered with everything, including

itself

根据标准，这是：

# Its all false!

In [79]: np.nan < -np.inf

Out[79]: False

将导致"无序"结果，因此它属于"小于"关系是不正确的。

该解释的问题在于，Python中没有"无序"类别，因此np.nan < 5，np.nan > 5和np.nan == 5不能全部求和为False，但是它们确实是。如果您开始在常规Python语句中使用np.nan，则将引起各种麻烦。例如：min([5, np.nan])-> 5，而min([np.nan, 5])-> np.nan。我想知道为什么np.nan支持比较并且不会像None那样引发TypeError。

因此，您可能已经知道：

" inf"是无穷大-一个大于任何其他值的值。因此，"-inf"小于任何其他值。请记住，该值是一个数字。

" nan"表示不是数字。

因此，如果根据您在上面声明的数组" m，n"以及一旦对其中任何一个执行" np.min()"，实际上发生的就是在遇到" nan"时其他元素就不会检查或比较并执行以下语句并返回值：

if (@isnan@(mp)) { /* nan encountered; it's maximal */ return 0; }

因此返回" nan"作为函数的答案！

检查此代码，遇到第一个" nan"后立即返回，并在相应函数中返回其位置

In [1]: import numpy as np

In [2]: m = np.array([1., 0., -np.inf, np.nan])

In [3]: n = np.array([np.nan, 1., np.nan, 0.])

In [4]: np.argmin(m)

Out[4]: 3