Python中浮点数的示例分析-创新互联
这篇文章主要为大家展示了“Python中浮点数的示例分析”，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让小编带领大家一起研究并学习一下“Python中浮点数的示例分析”这篇文章吧。
提到的部分问题，读者们可以先思考下：
若两个元组相等，即 a==b 且 a is b，那么相同索引的元素（如 a[0] 、b[0]）是否必然相等呢？
若两个对象的 hash 结果相等，即 hash(a) == hash(b)，那么它们是否必然相等呢？
答案当然都为否（不然就不叫冷知识了），大家可以先尝试回答一下，然后再往下看。
-----思考分割线-----
好了，先来看看第一个问题。两个相同的元组 a、b，它们有如下的关系：
>>> a = (float('nan'),)
>>> b = a
>>> a # (nan,)
>>> b # (nan,)
>>> type(a), type(b)
(, )
>>> a == b
True
>>> a is b # 即 id(a) == id(b)
True
>>> a[0] == b[0]
False 以上代码表明：a 等于 b（类型、值与 id 都相等），但是它们的对位元素却不相等。
两个元组都只有一个元素（逗号后面没有别的元素，这是单元素的元组的表示方法，即 len(a)==1 ）。float() 是个内置函数，可以将入参构造成一个浮点数。
为什么会这样呢？先查阅一下文档，这个内置函数的解析规则是：
sign ::= "+" | "-" infinity ::= "Infinity" | "inf" nan ::= "nan" numeric_value ::= floatnumber | infinity | nan numeric_string ::= [sign] numeric_value
它在解析时，可以解析前后的空格、前缀的加减号（+/-）、浮点数，除此之外，还可以解析两类字符串（不区分大小写）："Infinity"或"inf"，表示无穷大数；“nan”，表示不是数（not-a-number），确切地说，指的是除了数以外的所有东西。
前面分享的第一个冷知识就跟“nan”有关，作为整体，两个元组相等，但是它们唯一的元素却不相等。之所以会这样，因为“nan”表示除了数以外的东西，它是一个范围，所以不可比较。
作为对比，我们来看看两个“无穷大的浮点数”是什么结果：
>>> a = (float('inf'),)
>>> b = a
>>> a # (inf,)
>>> b # (inf,)
>>> a == b # True
>>> a is b # True
>>> a[0] == b[0] # True注意最后一次比较，它跟前面的两个元组恰好相反，由此，我们可以得出结论：两个无穷大的浮点数，数值相等，而两个“不是数的东西”，数值不相等。
化简一下，可以这样看：
>>> a = float('inf')
>>> b = float('inf')
>>> c = float('nan')
>>> d = float('nan')
>>> a == b # True
>>> c == d # False以上就是第一个冷知识的揭秘。接着看第二个：
>>> hash(float('nan')) == hash(float('nan'))
True前面刚说了两个“不是数的东西”不相等，这里却显示它们的哈希结果相等，这挺违背常理的。
我们可以推理出一条简单的结论：不相等的两个对象，其哈希结果可能相等。
原因在于，hash(float('nan')) 的结果等于 0，它是个固定值，作比较时当然就相等了。
其实，关于 hash() 函数，还埋了一个彩蛋：
>>> hash(float('inf')) # 314159
>>> hash(float('-inf')) # -314159有没有觉得这个数值很熟悉啊？它正是圆周率的前五位 3.14159，去除小数点后的结果。在早期的 Python 版本中，负无穷大数的哈希结果其实是 -271828，正是取自于自然对数 e。这两个数都是硬编码在 Python 解释器中的，算是某种致敬吧。
由于 float('nan') 的哈希值相等，这通常意味着它们不可以作为字典的不同键值，但是事实却出人意料：
>>> a = {float('nan'): 1, float('nan'): 2}
>>> a
{nan: 1, nan: 2}
# 作为对比：
>>> b = {float('inf'): 1, float('inf'): 2}
>>> b
{inf: 2}如上所示，两个 nan 键值在表示上一模一样（注意，它们没有用引号括起来），它们可以共存，而 inf 却只能归并成一个，再次展示出了 nan 的神奇。
好了，两个很冷的小知识分享完毕，背后的原因都在于 float() 取浮点数时，Python 允许了 nan（不是数）的存在，它表示不确切的存在，所以导致了这些奇怪的结果。
最后，我们作下小结：
包含 float('nan') 的两个元组，当做整体作比较时，结果相等；两个相等的元组，其对位的元素可能不相等
float('nan') 表示一个“不是数”的东西，它本身不是确定值，两个对象作比较时不相等，但是其哈希结果是固定值，作比较时相等；可用作字典的键值，而且是不冲突的键值
float('inf') 表示一个无穷大的浮点数，可看作确定的值，两个对象做比较时相等，其哈希结果也相等；可用作字典的键值，但是会产生冲突
float('nan') 的哈希结果为 0，float('inf') 的哈希结果为 314159
以上是“Python中浮点数的示例分析”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注创新互联行业资讯频道！
网站名称：Python中浮点数的示例分析-创新互联
标题链接：http://azwzsj.com/article/ccpjie.html
