Dlaczego wartości "Nie liczba" są równe Prawdziwe, gdy są rzutowane jako boolean w Pythonie/Numpy?

Question

Podczas przesyłania wartości NumPy Not-a-Number jako wartości logicznej, staje się ona wartością True, np. następująco.

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

Jest to przeciwieństwo tego, czego intuicyjnie oczekiwałbym. Czy istnieje zasada dźwięku, która jest podstawą tego zachowania?

(podejrzewam, że może być tak samo zachowanie wydaje się występować w oktawie.)

Answer 1

To jest w żaden sposób NumPy specyficzne, ale jest zgodne z tym, jak Python traktuje Nans:

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

Reguły są wyrażone w documentation.

Myślę, że można rozsądnie twierdzić, że wartość prawdy NaN powinna być fałszywa. Jednak nie jest tak, jak teraz działa ten język.

Answer 2

0.0 jest jedynym falsy wartość pływak ponieważ to, co projektanci języka postanowił byłoby najbardziej przydatne. Numpy po prostu podąża za tobą. (Byłoby dziwne, gdyby bool(np.nan) był False, gdy bool(float('nan')) jest True).

Myślę, że to prawdopodobnie dlatego, że tak działa z liczbami całkowitymi. Wprawdzie liczby całkowite nie mają wartości typu NaN lub inf, ale przypuszczam, że przypadki specjalne nie są wystarczająco szczególne, aby złamać reguły.

Answer 3

Pythona truth-value testing stwierdzono, że następujące wartości uznaje False:

• zerowe każdego rodzaju liczbowa, na przykład, 0 0L 0,0 0J,.

Numpy prawdopodobnie wybrał trzymać się tego zachowania i zapobiec NaN od oceny do False w kontekście logicznym. Pamiętaj jednak, że możesz przetestować NaN na numpy.isnan.

Answer 4

Numpy podąża za python standard for truth testing tutaj, każdy typ liczbowy ocenia się na False wtedy i tylko wtedy, gdy jego wartość liczbowa wynosi zero.

Należy pamiętać, że testowanie prawdy wartościami NaN może być również nieintuicyjne w inny sposób (np. nan == nan ocenia na False).