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

【问题标题】：Why do "Not a Number" values equal True when cast as boolean in Python/Numpy?为什么在 Python/Numpy 中将“非数字”值转换为布尔值时等于 True？
【发布时间】：2013-03-28 15:49:03
【问题描述】：

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

>>> 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。）

【问题讨论】：

我的预感：NaN 不等于 0，所以转换为布尔值时是真的。如果 NaN 为假，则将浮点数转换为布尔值将进行两次检查，一次检查零，一次检查 NaN。（但我怀疑将 Numpy 浮点数解释为布尔值并不是常见的做法......）
C（NumPy 所基于）中也是如此。来自标准：When any scalar value is converted to _Bool, the result is 0 if the value compares equal to 0; otherwise, the result is 1.脚注59明确指出NaNs do not compare equal to 0 and thus convert to 1.

标签： python math numpy

【解决方案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documentation中详细说明。

我认为有理由认为 NaN 的真值应该是 False。但是，这不是该语言目前的工作方式。

【讨论】：

TL;链接文档的 DR：Python 将所有内容视为 True，除非它是特别定义的错误情况之一（例如，None、False、数字零、空序列、用户定义的类返回其中之一，等等）。
我认为它应该是所有类型的 NaN。也就是说，布尔值应该有一个 NaN 值。 NaN 永远不应转换为有效值。

【解决方案2】：

Python truth-value testing 声明以下值被视为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 NaN 在布尔上下文中评估为 False。但请注意，您可以使用 numpy.isnan 来测试 NaN。

【讨论】：

【解决方案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。（当bool(float('nan')) 是True 时，bool(np.nan) 是 False 会很奇怪）。

我认为这可能是因为整数就是这样工作的。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。

【讨论】：

这不取决于语言设计者； Numpy 的人也可以决定将 nan 设为 false。
@larsmans -- 很公平。我没有注意到 numpy 是 OP 问题的一部分。不过，我认为这并没有真正改变任何事情。 numpy 做 python 做的事情才有意义。
应该注意 -0.0 也是 False。起初这可能不是一件小事。

【解决方案4】：

Numpy 在此处遵循 python standard for truth testing，任何数值类型的计算结果为 False 当且仅当其数值为零时。

请注意，使用 NaN 值的真值测试在其他方面也可能不直观（例如，nan == nan 的计算结果为 False）。

【讨论】：

我认为您的意思是“...计算为 False 如果 ...”
@Warren -- 确实！谢谢。

【解决方案5】：

这通常在测试np.nan 的变量时需要。虽然np.nan is not np.nan 失败（评估为False），但np.isnan 函数有效（评估为True，因此可用于测试np.nan）：

np.isnan(np.nan)

是的

【讨论】：