作者:老齐
与本文相关的图书推荐:《数据准备和特征工程》
本书适合即将或者已经从事数据科学、机器学习、人工智能等方向工作的朋友。书中详细梳理了各种获取数据、数据清洗、特征工程等方向的技术和方法。
先看下面的代码,有何感悟?
>>> import numpy as np
>>> min(2, np.nan)
2
>>> min(np.nan, 2)
nan
是不是有点意思?
怎么解释?
首先要理解Python中的min
函数,根据它的官方文档,有这样一句话:If multiple items are minimal, the function returns the first one encountered.
意思是说,min
函数会返回它所遇到的第一个最小的项——难道说最小项还可能有多个吗?完全有可能。不过,还是要用更啰嗦的话把min
的工作流程说一下,虽然文档中没有说。它可能是从第一项开始循环,如果某项比它小,那么当前最小的就是此项了,依次向后循环,直到最后。例如:[3, 4, 1, 1]
,
- 设
3
是最小项,向后循环,3<4,返回True,则最小项还是3; - 再循环,3<1,返回False,最小项就是1。
- 继续循环,后面的1不比3小,那么就返回前面那个1——当然,在这里事实上两个1是同一个对象了。这里仅仅是用此示例说明
min
函数的工作流程罢了。
理解了min
的工作过程之后,再来看np.nan
,它是Python中表示缺失值的符号,并且,注意,它是浮点数类型。
>>> type(np.nan)
<class 'float'>
因此,我们在数据科学中,会用它表示缺失值,这样做不影响运算——请参考《数据准备和特征工程》中详细介绍。
在Python规定,np.nan
与数字比较,都会返回False
,也就是说它既比任何数字大,又比任何数字小。
>>> 1 > np.nan
False
>>> np.nan > 1
False
>>> 1 < np.nan
False
>>> np.nan < 1
False
>>> np.nan == 1
False
如果在min
函数的参数列表中第一个是np.nan
,则它与后面的任何一个数字比较,都会被视为最小值,因为没有数字会“小于”它。另一方面,如果np.nan
不在第一个位置,又因为它不“小于”任何数字,那么,就出现了本文开头的代码结果了。
与之类似,还有:
>>> max(2, np.nan)
2
>>> max(np.nan, 2)
nan
结合上面的阐述,就可以解释了。