python - 为什么在 Python/Numpy 中将“非数字”值转换为布尔值时等于 True？

Question

当将 NumPy Not-a-Number 值转换为布尔值时，它变为 True，例如如下所示。

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

这与我的直觉预期完全相反。这种行为背后是否有合理的原则？

（我怀疑在 Octave 中可能会出现相同的行为。）

Answer 1

这绝不是 NumPy 特有的，但与 Python 处理 NaN 的方式一致：

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

规则在文档中有详细说明。

我认为可以合理地认为 NaN 的真值应该是 False。但是，这不是该语言现在的工作方式。

Answer 2

Python真值测试表明考虑了以下值False：

• 任何数字类型的零，例如 0、0L、0.0、0j。

Numpy 可能选择坚持这种行为并阻止 NaNFalse在布尔上下文中评估 to。但是请注意，您可以使用它numpy.isnan来测试 NaN。

Answer 3

0.0是唯一虚假的浮点值，因为这是语言设计者认为最有用的值。Numpy 只是跟随。bool(np.nan)（如果是Falsewhen bool(float('nan'))is会很奇怪True）。

我认为这可能是因为这就是整数的工作方式。诚然，整数没有 NaN 或 inf 类型的值，但我认为特殊情况还不足以打破规则。

Answer 4

Numpy 在此处遵循python 标准进行真值测试，任何数字类型的计算结果为False当且仅当其数值为零时。

请注意，使用NaN值进行真值测试在其他方面也可能不直观（例如，nan == nan评估为False）。