即使数据类型在逻辑上正确，也无法检测列表中的 nan 值答案

【问题标题】：Cannot detect nan value in a list even though datatype is logically correct即使数据类型在逻辑上正确，也无法检测列表中的 nan 值
【发布时间】：2020-05-07 00:54:37
【问题描述】：

我在使用 pytorch 从自定义数据集创建的列表中调用了列表。

In [1]: sample[1][1]
Out[1]: [0.7, nan, nan, nan, nan]

我想检查列表中是否有 nan 值。我试过了

In [2]: np.nan in sample[1][1]
Out[2]: False

但它返回的是 False 输出。检查其中一个元素，我发现：

In [3]: sample[1][1][4] == np.nan
Out[3]: False

据推测，它一定是真的，因为检查它的类型会提示我：

In [4]: type(sample[1][1][4])
Out[4]: numpy.float64

需要帮助看看我哪里出错了。我希望该列表返回 True，因为它包含一个 nan。任何线索都会有所帮助

【问题讨论】：

你应该使用np.isnan(sample)
sample[1][1] 的类型是什么？列表不会发生这种情况。

标签： python numpy

【解决方案1】：

您想为此使用np.isnan，如您在此处看到的：

In [5]: np.nan==np.nan
Out[5]: False

In [6]: np.isnan(np.nan)
Out[6]: True

原因有点深奥，但主要是使用 np.isnan 进行测试。对于您的特定情况，您可以这样做

any([np.isnan(i) for i in sample[1][1]])

【讨论】：

【解决方案2】：

根据我的给定：

In [1]: sample[1][1]
Out[1]: [0.7, nan, nan, nan, nan]

我尝试了一种解决方法。感谢np.isnan() 的想法。在数组中添加了布尔值，如果它大于 0，那么它必须有一个 nan。

In [2]: np.isnan(sample[1][1])
Out[2]: array([False, True, True, True, True])

In [3]: np.isnan(sample[1][1]).sum()
Out[3]: 4
In [4]: np.isnan(sample[1][1]).sum()>0
Out[3]: True

【讨论】：

【解决方案3】：

这是一个奇怪的问题，与为您的 sample[1][1] 对象实现 in 运算符有关。

解决方案是强制转换为列表：

In [5]: np.nan in list(sample[1][1])
Out[5]: True

编辑：这是快速而肮脏的方式。此解决方案依赖于(np.nan is np.nan) == True。但是，这并不保证在所有情况下都是正确的（请参阅this SO question）。因此，最好坚持使用涉及np.isnan(x) 的结构，例如在其他几个答案中给出的。

【讨论】：