我有一个浮点变量,它可能是一个数字,也可能不是一个数字,我想检查一下是否是这样。使用x = float('nan')
,我观察到一些让我吃惊的行为:
print(x is math.nan)
^{pr2}$
这意味着float('nan')
和{==
是否相等时,结果是相同的:
print(x == math.nan):
^{pr2}$
如果我使用math.isnan(x)
,那么所有类型的非a-number都会得到正确的结果。但是,为什么float('nan') == math.nan
的计算结果不为True
?。
“不是数字”是(在某种意义上)没有值。在
传统上,根据IEEE浮点规范,它本身并不等于。在
那是因为没有有意义的价值可以比较。在
实际上,some people use this fact to detect NaN,所以您可以尝试使用
x != x
作为您的条件(尽管链接的Q&A可以说有一些更好的建议)。在但是,表达式
math.nan is math.nan
是真的,因为is
执行的是对象标识比较,而不是值等价/相等比较。在这是因为
NaN
只是一个浮点值。使用is
不检查变量是否具有相同的值,而是检查它们是否是相同的对象。如果创建具有相同值的两个浮点,则它们不是同一个对象,而是具有相同值的两个对象。以这个为例:因此,即使以相同的方式创建两个
^{pr2}$NaN
值,它们也不是同一个对象。即使对于更琐碎的浮动也是如此。试试这个:Python的默认版本重用一些值,因此该值的任何实例都是同一个对象。以这个为例(注意没有十进制,这些是整数而不是浮点):
但这是一个您永远不应该依赖的实现细节,它可以随时更改,并且可以随python实现而变化。但是即使这样,
NaN
也不是默认Python解释器执行此操作的值之一。在您可以使用
id
函数手动检查两个变量是否是同一个对象,该函数为每个同时存在的对象提供一个唯一的编号(尽管如果删除了某个变量,即使是自动删除,这些数字也可以重复使用)。在至于为什么它们不相等,这只是现代计算机上使用的NaN定义的一部分。根据定义,
NaN
永远不能等于自身。它是关于浮点数如何工作的国际标准的一部分,这种行为被构建到现代CPU中。在这不是特殊行为:
is
返回两个对象是否实际引用同一个对象(本质上是在内存中),而==
返回两个对象是否具有相同的值。在要查看它们是否引用相同的内容,我们可以使用
id()
。在这里我们看到,通过赋值}是{}。然而,当我们将}。在
b = a
,它们现在引用了同一个列表:因此is
和{c
定义为与a
和b
相同值的新变量时,它是==
,但是is
返回{{14.14}也一样
相关问题 更多 >
编程相关推荐