NaNs是字典中的关键

NaNs是字典中的关键

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 *** 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 *** 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.nanTrue

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。