Python的「設置」操作不numpy.nan

工作，我注意到一個問題轉換列表NaN值，以集：Python的「設置」操作不numpy.nan

import pandas as pd 
import numpy as np 

x = pd.DataFrame({'a':[None,None]}) 
x_numeric = pd.to_numeric(x['a']) #converts to numpy.float64 
set(x_numeric)

，應返回{}楠而是返回{囡楠}。但是，這樣做：

set([numpy.nan, numpy.nan])

返回預期的{nan}。前者顯然是class numpy.float64，而後者是默認類float。

任何想法，爲什麼設置（）不numpy.float64 NaN值工作？我使用Pandas版本0.18和Numpy版本1.10.4。

來源

2017-10-20 tom

numpy two nan's are equal。在一個列表中它們可能是相同的，但不是在numpy數組中。要找出try'set（np.array（[np.nan，np.nan]））''。在熊貓中，他們的系列將採用numpy數組格式 – Dark

'x_numeric.unique（）'只返回'[nan]'，這很有趣。 –

嗯我現在困惑了一下。 – Dark

的NaN在float64陣列不指向存儲器中的相同的空間np.NaN，（它們，就像陣列中的每個其它數目，陣列中的8個字節）。我們可以看到這個時候我們採取id：

In [11]: x_numeric 
Out[11]: 
0 NaN 
1 NaN 
Name: a, dtype: float64 

In [12]: x_numeric.apply(id) 
Out[12]: 
0 4657312584 
1 4657312536 
Name: a, dtype: int64 

In [13]: id(np.nan) 
Out[13]: 4535176264 

In [14]: id(np.nan) 
Out[14]: 4535176264

這是kindof一個python「疑難雜症」出現這種情況，因爲它是一個優化（檢查設置平等蟒蛇檢查它是否在同一個對象之前：具有相同的id /在內存中的位置）：

In [21]: s = set([np.nan]) 

In [22]: np.nan in s 
Out[22]: True 

In [23]: x_numeric.apply(lambda x: x in s) 
Out[23]: 
0 False 
1 False 
Name: a, dtype: bool

這是一個「疑難雜症」，是因爲NaN的，不像大多數對象不等於自身的原因：

In [24]: np.nan == np.nan 
Out[24]: False

來源

2017-10-20 06:32:25

這是一個非常好的例子值得更多的選票。 – Dark

怒江MPY是這裏的紅鯡魚 - np.nan僅僅是float('nan')一個名字，這說明了同樣的問題：

>>> a = float('nan') 
>>> b = float('nan') 
>>> {a, b} 
{nan, nan} 
>>> {a, a} 
{nan}

安迪說，這是關於建立平等集合成員檢查時x == y之前嘗試x is y。

來源

2017-10-20 07:23:37 Eric

Python的「設置」操作不numpy.nan

回答

相關問題