比较NaN和数字

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]，

1. 设3是最小项，向后循环，3<4，返回True，则最小项还是3；
2. 再循环，3<1，返回False，最小项就是1。
3. 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。