浮点数等价性比较¶
与其他所有编程语言一样，Python 也无法准确表示浮点数。我确信许多计算机科学专业的学生已经花费了很多时间来学习如何表示浮点。那堂课我记得很清楚。
无论如何，让我们讨论一下Python 中比较 float 值的问题以及如何处理它。
>>> 0.1 + 0.2 == 0.3
False你、我，以及任何读过几年小学的人都可以看出，这应该是 True。
那这里发生了什么呢？我们通过分解这个比较的组成部分就可以看出问题所在。
>>> 0.3
0.3
>>> 0.1 + 0.2
0.30000000000000004现在我们已经看到了导致问题的浮点表示形式。
那么，我们该如何处理这个问题呢？
Decimal¶
有几种选择，它们都有各自的缺点。让我们从 Decimal 开始。
The decimal module provides support for fast correctly rounded decimal floating point arithmetic. （decimal 模块提供对快速正确舍入的十进制浮点运算的支持。）
这听起来不错，但这里的一个重要问题是，它如何处理数字与字符串。
>>> from decimal import Decimal
>>> Decimal(0.1)
Decimal('0.1000000000000000055511151231257827021181583404541015625')
>>> Decimal('0.1')
Decimal('0.1')这意味着，为了完成上面的比较，我们需要将每个数字包装在一个字符串中。
>>> Decimal('0.1') + Decimal('0.2') == Decimal('0.3')
True很烦，但确实能用。
isclose¶
Python 3.5 实现了 PEP 485 来测试近似相等。这是在 isclose 函数中完成的。
>>> import math
>>> math.isclose(0.1+0.2,0.3)
True这比把所有东西都用字符串包裹起来更干净。但是，它也比简单的 == 语句更冗长。它让您的代码不太干净，但确实提供了准确的比较。
is vs. ==¶
我经常看到的另一个被误用的比较是，开发人员用了 is但他们其实是想表达 ==. 简而言之，is 仅当您检查两个引用是否引用同一对象时才应使用。== 用于通过调用底层方法 __eq__ 来比较值。
让我们看看实际效果：
>>> a = [1, 2, 3]
>>> b = a
>>> c = [1, 2, 3]
>>> d = [3, 2, 1]
>>> a == b
True
>>> a == c
True
>>> a == d
False到目前为止，没有什么异常。a 具有和 b 与 c 相同的值，并且与 d 具有不同的值。现在让我们使用 is
>>> a is b
True
>>> b is a
True
>>> a is c
False
>>> a is d
False
>>> b is c
False这里，唯一为 True 的语句是 a 和 b 之间的比较。这是因为 b 是用 b = a 语句初始化的。另外两个变量被初始化为它们自己的语句和值。请记住，is 比较对象引用。如果它们相同，则返回 True。
>>> id(a), id(b), id(c), id(d)
(2267170738432, 2267170738432, 2267170545600, 2267170359040)由于 a 和 b 是同一个对象，在对其进行比较的时候，我们才会得到 True。其他是不同对象，因此是 False。
nan == nan¶
nan，或者说“非数字（Not a Number）”是一个浮点值，它无法被转换为浮点数以外的任何值，并且被视为不等于所有其他值。这是表示数据集中缺失值的常见方法。
上面的描述中有一个关键短语，它是这个陷阱的基础：
is considered not equal to all other values（被视为不等于所有其他值）
软件通常会在采取操作之前检查两个值是否彼此相等。对于 nan，这不起作用：
>>> float('nan') == float('nan')
False这可以防止这样的代码进入 if/else 语句的 if 块。
>>> a = float('nan')
>>> b = float('nan')
>>> if a == b:
... .. ## Do something if equal
... else:
... .. ## Do something if not equal在这个例子中，它们永远不相等。
这导致了一种有意思的（如果不是不直观的话）检查变量是否是 nan 值的方法。由于 nan 不等于所有其他值，因此它也不等于自身。
>>> a != a
True就像我说的，“有意思”。但是，当其他人查看您的代码时，它也会“令人困惑”。有一种更简单的方法可以表明您正在检查一个 nan 值。isnan
>>> import math
>>> a = float('nan')
>>> b = 5
>>> c = float('infinity')
>>> math.isnan(a)
True
>>> math.isnan(b)
False
>>> math.isnan(c)
False对我来说，这是一个更清晰的检查，我们想看看该值是否为 nan。 您可能不只是传递 nan 给单个变量。你可能正在使用诸如 NumPy 或者 Pandas 这样的库。在这种情况下，每个库都自带了一些函数，你可以用它们来完美检查 nan。
- 在 NumPy 中，这个函数具有相同的名字，但是是在 NumPy 库中的：
numpy.isnan(value)。 - 在 Pandas 中，这个函数具有一个稍微不同的名字：
pandas.isna(value)
总结¶
比较并不总是像我们希望的那样直接。我在这里介绍了 Python 中的一些常见比较问题。
浮点比较在各种语言中都很常见。Python 有几种方法可以让开发人员更轻松地做到这一点。我建议使用 isclose，因为它可以使代码更加简洁，并且在使用该模块时无需像 Decimal 模块那样将数字包装在字符串中
is 应该只用于检查两个项目是否引用同一个对象。在任何其他情况下，它都不会执行您希望它执行的检查。
最后，nan等于没有别的。在开始将数据集中的值相互比较之前，了解这一点很重要。