NaNs como clave en los diccionarios

Question

¿Alguien me puede explicar el siguiente comportamiento?

>>> import numpy as np 
>>> {np.nan: 5}[np.nan] 
5 
>>> {float64(np.nan): 5}[float64(np.nan)] 
KeyError: nan 

¿Por qué funciona en el primer caso, pero no en el segundo? Además, he encontrado que el siguiente no trabajo:

>>> a ={a: 5}[a] 
float64(np.nan) 

Answer 1

El problema aquí es que NaN no es igual a sí mismo, como se define en el estándar IEEE para números de punto flotante:

>>> float("nan") == float("nan") 
False 

Cuando una diccionario busca una clave, hace más o menos esto:

1. Calcule el hash de la clave que se va a buscar.

2. Para cada tecla en el dict con el mismo hash, verifique si coincide con la clave que se va a buscar. Esta comprobación se compone de

   a. Comprobación de la identidad del objeto: si la clave del diccionario y la clave que se va a buscar son el mismo objeto que indica el operador is, se encontró la clave.

   b. Si falló la primera comprobación, verifique la igualdad utilizando el operador __eq__.

El primer ejemplo tiene éxito, ya que np.nan y np.nan son el mismo objeto, por lo que no importa que no se comparan iguales:

>>> numpy.nan is numpy.nan 
True 

En el segundo caso, np.float64(np.nan)np.float64(np.nan) y no son el mismo objeto - las dos llamadas a constructores crean dos objetos distintos:

>>> numpy.float64(numpy.nan) is numpy.float64(numpy.nan) 
False 

Dado que los objetos también lo hacen no se compara igual, el diccionario concluye que la clave no se encuentra y arroja un KeyError.

Incluso puede hacer esto:

>>> a = float("nan") 
>>> b = float("nan") 
>>> {a: 1, b: 2} 
{nan: 1, nan: 2} 

En conclusión, parece una idea más sano para evitar NaN como una clave de diccionario.

Answer 2

Tenga en cuenta que esto no es el caso más en Python 3.6:

>>> d = float("nan") 
>>> d 
nan 
>>> c = {"a": 3, d: 4} 
>>> c["a"] 
3 
>>> c[d] 
4 

Como lo entiendo:

d = objeto nan C es un diccionario que contiene 3 asociado a "a" y 4 asociado a nan pero, debido a la forma en que la búsqueda interna de Python 3.6 en los diccionarios ha cambiado, ahora compara dos punteros, y si apuntan al mismo objeto, consideran que se preserva la igualdad.

Eso significa que aunque:

>>> d == d 
False 

Debido a cómo IEEE754 especifica que NAN no es igual a sí mismo, cuando se esté buscando un diccionario en primer lugar los punteros se tienen en cuenta, y porque apuntan a la misma nan objeto devuelve 4.

Tenga en cuenta también que:

>>> e = float("nan") 
>>> e == d 
False 
>>> c[e] 
Traceback (most recent call last): 
    File "<stdin>", line 1, in <module> 
KeyError: nan 
>>> c[d] 
4 

así que no todos los puntos nan a 4, por lo que algún tipo de IEEE754 se conserva. Esto se implementó porque respetar el estándar de que nan nunca es igual a sí mismo reduce la eficiencia mucho más que ignorar el estándar. Precisamente porque está almacenando algo en un diccionario al que ya no puede acceder en versiones anteriores.