Python: функция сортировки брейки в присутствии нан

Question

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

Я понимаю nan это странный объект, так что я не удивлюсь, если (по крайней мере на ActiveState Python 3.1) реализации. он появляется в случайных местах в результате сортировки. Но это также испортило сортировку для не-наном чисел в контейнере, что действительно неожиданно.

Я спросил related question о max, и на основании этого я понимаю, почему sort работает следующим образом. Но следует ли это считать ошибкой?

Документация просто говорит: «Верните новый отсортированный список [...]» без указания каких-либо деталей.

EDIT: Я согласен с тем, что это не нарушает стандарт IEEE. Однако, я думаю, это ошибка с точки зрения здравого смысла. Даже Microsoft, которая, как известно, часто допускает свои ошибки, признала это ошибкой и исправила ее в последней версии: http://connect.microsoft.com/VisualStudio/feedback/details/363379/bug-in-list-double-sort-in-list-which-contains-double-nan.

Во всяком случае, я в конечном итоге следующий @ ответ Хачика:

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

Я подозреваю, что это приводит к снижению производительности по сравнению с языком делать, что по умолчанию, но, по крайней мере, он работает (за исключением каких-либо ошибок, которые я представил).

Answer 1

Предыдущие ответы полезны, но, возможно, неясно относительно корня проблемы.

На любом языке сортировка применяет заданный порядок, определенный функцией сравнения или каким-либо другим способом, над доменом входных значений. Например, меньшее, чем, a.k.a. operator <,, может использоваться повсюду в том и только том случае, если оно меньше, чем подходящее упорядочение по входным значениям.

Но это специально НЕ верно для значений с плавающей запятой и меньше: «NaN неупорядочен: он не равен, больше или меньше чем что-либо, включая его."(Clear проза из GNU C руководства, но относится ко всей современному IEEE754 основы с плавающей точкой)

Так что возможные решения:

1. удалить пренебрежимо малого первым, что делает домен входа определенная через < (или другая используемая функция сортировки)
2. Определите пользовательскую функцию сравнения (aka predicate), которая делает , определите заказ для NaN, например, меньше любого числа или больше , чем любое число.

Любой подход может быть использован на любом языке.

Практически, учитывая python, я бы предпочел удалить NaNs, если вам не все равно, о максимальной производительности, или если удаление NaN является желательным поведением в контексте.

В противном случае вы можете использовать подходящую функцию предиката через «cmp» в старых версиях python или через это и functools.cmp_to_key(). Последнее, конечно, немного неудобно, чем удаление NaNs в первую очередь. При определении этой функции предикатов потребуется не более производительности.

Answer 2

IEEE754 - это стандарт, который определяет операции с плавающей запятой в этом экземпляре. Этот стандарт определяет операцию сравнения операндов, по крайней мере один из которых представляет собой NaN, как ошибку. Следовательно, это не ошибка. Вам нужно иметь дело с NaN, прежде чем работать с массивом.

Answer 3

Я не уверен, что ошибка, но обходной путь может быть следующим:

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))) 

что приводит:

('nan', 1, 2) 

или удалить nan с до сортировки или что-нибудь еще.

Answer 4

Проблема заключается в том, что нет никакого правильного порядка, если список содержит NAN, так как последовательность a1, a2, a3, ..., ап сортируется, если a1 = a2 < < = a3 = < ... < = ап. Если какое-либо из этих значений является NAN, тогда сортируемое свойство ломается, так как для всех a a < = NAN и NAN < = a оба являются ложными.

Answer 5

Предполагая, что вы хотите сохранить пренебрежимо малые и порядок их как самые низкой «ценность», здесь есть обходной путь работает как с неуникальных нанами, уникального Numpy нан, численных и не являющихся числовых объектов :

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']