Python：在NAN存在下排序功能断开

StackOverflow https://stackoverflow.com/questions/4240050

  •  27-09-2019
  •  | 
  •  

题

sorted([2, float('nan'), 1]) 返回 [2, nan, 1]

（至少在Activestate Python 3.1实现上。）

我明白 nan 是一个怪异的对象，因此，如果它在类似的结果中随机位置出现，我不会感到惊讶。但这也弄乱了容器中的非nan数字的排序，这确实是出乎意料的。

我问一个 相关问题 关于 max, ，基于这一点，我明白了为什么 sort 这样的工作。但这应该被视为一个错误吗？

文档只是说“返回新的排序列表[...]”，而无需指定任何详细信息。

编辑：我现在同意这不违反IEEE标准。但是，从任何常识角度来看，这都是一个错误。即使是Microsoft，也不知道经常承认自己的错误，但也将其视为错误，并将其修复在最新版本中： http://connect.microsoft.com/visualstudio/feedback/details/363379/bug-in-list-double-double-ind-sort-in-list-list-list-who------------------------.

无论如何，我最终跟随 @khachik的答案：

sorted(list_, key = lambda x : float('-inf') if math.isnan(x) else x)

我怀疑与默认情况下这样做的语言相比，这会导致性能打击，但至少它起作用（禁止我引入的任何错误）。

有帮助吗？

解决方案

先前的答案很有用，但也许尚不清楚问题的根源。

在任何语言中，排序都应用给定的订单，由比较函数或以其他方式定义的输入值域上定义。例如，比人少，又名 operator <, 可以在整个过程中使用，并且只有少于定义在输入值上的合适订购。

但这对于浮点值而不是不少于浮点：“ NAN是无序的：它不等于，大于或少于任何东西，包括本身。” （（从GNU C手册中清晰的散文， 但适用于所有现代 IEEE754 基于 浮点)

因此，可能的解决方案是：

  1. 首先删除NAN，使输入域通过<（或使用其他分类功能）良好定义
  2. 定义确实定义NAN的订购的自定义比较函数（又称谓词），例如小于任何数字或大于任何数字。

任何语言都可以使用任何一种方法。

实际上，考虑到Python，如果您不太关心最快的性能，或者是否删除NAN是上下文中的一种所需行为，我希望删除NAN。

否则，您可以在较旧的Python版本中通过“ CMP”使用合适的谓词功能，或者通过此和 functools.cmp_to_key(). 。后者自然而然地比先删除NAN更尴尬。并需要注意避免 更差 在定义此谓词功能时性能。

其他提示

问题在于，如果列表包含一个NAN，则没有正确的顺序，因为序列A1，A2，A3，...，如果A1 <= A2 <= A3 <= ... <= AN进行排序。如果这些值中的任何一个是nan，则排序的属性断开，因为对于所有a，a <= nan和nan <= a都是错误的。

我不确定该错误，但是解决方法可能是以下内容：

sorted(
    (2, 1, float('nan')),
    lambda x,y: x is float('nan') and -1 
                or (y is float('nan') and 1
                or cmp(x,y)))

哪个导致：

('nan', 1, 2)

或删除 nan在排序或其他任何东西之前。

IEEE754是在这种情况下定义浮点操作的标准。该标准定义了操作数的比较操作，至少是其中一个是NAN的错误。因此，这不是错误。在进行阵列之前，您需要处理NAN。

假设您想保留NAN并将其订购为最低的“值”，那么这是一种解决方法 非唯一的南, 独特的numpy nan, 数值 和 非数值 对象：

def is_nan(x):
    return (x is np.nan or x != x)

list_ = [2, float('nan'), 'z', 1, 'a', np.nan, 4, float('nan')]
sorted(list_, key = lambda x : float('-inf') if is_nan(x) else x)
# [nan, nan, nan, 1, 2, 4, 'a', 'z']
许可以下： CC-BY-SA 和 归因
不隶属于 StackOverflow
scroll top