Question

我对以下行为感到惊讶：

>>> import numpy as np
>>> from collections import Counter
>>> my_list = [1,2,2, np.nan, np.nan]
>>> Counter(my_list)
Counter({nan: 2, 2: 2, 1: 1}) # Counter treats np.nan as equal and 
                              # tells me that I have two of them
>>> np.nan == np.nan          # However, np.nan's are not equal  
False

这里发生了什么？

当我使用float('nan')代替np.nan时，我得到了我期望的行为：

>>> my_list = [1,2,2, float('nan'), float('nan')]
>>> Counter(my_list)
Counter({2: 2, nan: 1, 1: 1, nan: 1}) # two different nan's
>>> float('nan') == float('nan')
False

我正在使用python 2.7.3和numpy 1.8.1。

编辑：

如果我这样做：

>>> a = 300
>>> b = 300
>>> a is b
False
>>> Counter([a, b])
Counter({300: 2})

因此，Counter或任何python dict认为两个对象X和Y在以下情况下不一样：

X == Y -> False

and

X is Y -> False

正确？

Answer 1

这不是关于numpy.nan与float("nan")的关系，而是你有两个独立的浮动禁令。

>>> np.nan is np.nan
True
>>> float("nan") is float("nan")
False

等等

>>> Counter([1,2,2, np.nan, np.nan])
Counter({nan: 2, 2: 2, 1: 1})
>>> Counter([1,2,2, float("nan"), float("nan")])
Counter({2: 2, nan: 1, 1: 1, nan: 1})

但

>>> f = float("nan")
>>> Counter([1,2,2, f, f])
Counter({nan: 2, 2: 2, 1: 1})

Answer 2

Python dicts（以及扩展名为Counter子类）通常基于密钥的==等式进行比较。 BUT 他们会进行优化，假设x is y然后是x == y。只有当x is not y dict将通过平等回归到比较时。对于大多数类型，x is y隐含x == y。它基本上只是浮动的NaNs和故意设计的反例来打破这种情况。

为什么collections.Counter将numpy.nan视为相等？

2 个答案: