为什么在 numpy 中“NaN”被认为比“-np.inf”“小”？

Question

在涉及np.min 或np.argmin 的任何比较中，NaN 被认为小于-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

我猜这可能是与返回False 的NaN 值进行任何比较的副作用，但是当您“碰巧”有时会在你的阵列。 np.nanmin 或 np.nanargmin 的使用感觉像是一种快速修复，以某种方式固定在现有行为之上。

除了docs 中的注释：“传播 NaN 值，即如果至少一项为 NaN，则相应的最小值也将为 NaN。忽略 NaN 值（MATLAB 行为） ，请使用 nanmin。，我没有找到任何解释该行为背后的基本原理的东西。这是想要的还是 NaN 值的特定内部表示的副作用？为什么？

Answer 1

正如@Dunno 在评论中提到的那样，将 NaN 与数字进行比较并没有多大意义，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：

可能有四种互斥关系：小于、等于、大于和无序。最后一个案例 当至少一个操作数是 NaN 时出现。每个 NaN 都应与所有内容进行无序比较，包括 自己

按照标准：

# 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。

Answer 2

所以，你可能已经知道了：-

“inf”是无穷大 - 一个大于任何其他值的值。因此，“-inf”比任何其他值都小，记住这个值是一个数字。

“nan”代表非数字。

因此，如果根据您在上面声明的数组“ m,n ”，并且一旦您对其中任何一个执行“ np.min() ”，实际上只要遇到“ nan ”就会发生另一个不检查或比较元素，执行以下语句并返回值：

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

因此返回一个“nan”作为函数的答案！

在遇到第一个“nan”时检查它返回的代码，并在相应的函数中返回它的位置

    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

    In [5]: np.argmin(n)
    Out[5]: 0

并且诸如“ np.nan -np.inf ”之类的操作返回“ False ”，因为“ nan ”不能与任何数字“ -inf ”在这里和上述操作中的“假”不是比较的答案，而是由于一种异常或上述代码的执行，这是由于逻辑错误，因为虽然无穷大，但它不能与事物“无”进行比较" 关于一个数字！

因此，如果您删除数组中的所有“nan”，然后通过“np.nanmin()”计算 min，您将得到预期的输出“-inf”，这不会出现问题！

因此，“Nan”不小于或大于“inf”或“-inf”，因为实际上它不能与任何这些或任何数字进行比较，与任何数字相比它会返回“False”！

    In [1]: np.nan < 1
    Out[1]: False

    In [2]: np.nan > 1
    Out[2]: False

等等......

希望对你有帮助！！