Warum „None in numpy.asarray (...)“ eine Zukunft führen

Question

Die Zukunft Warnung Warnung geschieht, wenn Sie so etwas tun:

>>> numpy.asarray([1,2,3,None]) == None 

die derzeit False zurückkehrt, aber ich verstehe, wird eine Rückkehr Array mit [False,False,False,True] in einer zukünftigen Version von Numpy.

Wie diskutiert on the numpy discussion list der Weg um dies zu testen ist a is None.

Was ich verwirrt, ist das Verhalten des in Schlüsselwort mit einem 1D-Array im Vergleich zu einer Liste:

>>> None in [1,2,3,None] 
True 
>>> None in numpy.asarray([1,2,3,None]) 
__main__:1: FutureWarning: comparison to 'None' will result in an elementwise 
    object comparison in the future 
False 
>>> 1 in numpy.asarray([1,2,3,None]) 
True 

EDIT (siehe Kommentare) - Es gibt wirklich zwei verschiedene Fragen:

1. Warum verursacht dies eine FutureWarning - was wird das zukünftige Verhalten von None in numpy.asarray(...) mit dem verglichen werden, was es jetzt ist?
2. Warum der Unterschied im Verhalten von in von einem list; kann ich testen, ob mein Array None enthält, ohne es in eine Liste zu konvertieren oder eine for-Schleife zu verwenden?

Numpy Version ist 1.9.1, Python 3.4.1

Answer 1

Die Zukunft Warnung geschieht, wenn Sie so etwas tun:

numpy.asarray([1,2,3,4]) == None 

die derzeit False zurückkehrt, aber ich verstehe, wird gibt ein Array zurück, das [False,False,False,True] in einer zukünftigen Version von Numpy enthält.

Wie ich in den Kommentaren erwähnte, ist Ihr Beispiel falsch. Zukünftige Versionen von numpy würden [False ,False, False, False] zurückgeben, d.h. False für jedes Element in dem Array, das nicht gleich None ist. Dies ist im Einklang mit wie elementweise Vergleiche mit anderen skalaren Werten zur Zeit arbeiten, zB:

In [1]: np.array([1, 2, 3, 4]) == 1 
Out[1]: array([ True, False, False, False], dtype=bool) 

In [2]: np.array(['a', 'b', 'c', 'd']) == 'b' 
Out[2]: array([False, True, False, False], dtype=bool) 

Was ich verwirrt, ist das Verhalten des in Schlüsselwort mit einem 1D-Array im Vergleich zu einer Liste

Wenn Sie x in y testen, rufen Sie y.__contains__(x). Wenn y eine Liste ist, tut __contains__ grundsätzlich etwas entlang der Linien von dieser:

for item in y: 
    if (item is x) or (item == x): 
     return True 
return False 

Soweit ich das beurteilen kann, führt np.ndarray.__contains__(x) das Äquivalent dieser:

if any(y == x): 
    return True 
else: 
    return False 

, dass sie sagen, ist testet elementweise Gleichheit über das gesamte Array zuerst (y == x wäre ein Boolesches Array der Größe y). Da in Ihrem Fall testen, ob y == None, wird dies die FutureWarning aus den oben genannten Gründen erhöhen.

In den Kommentaren Sie wollten auch, warum

np.nan in np.array([1, 2, 3, np.nan]) 

kehrt False, wissen aber

np.nan in [1, 2, 3, np.nan] 

kehrt True. Der erste Teil erklärt sich leicht durch die Tatsache, dass np.nan != np.nan (see here for the rationale behind this). Um zu verstehen, warum der zweite Fall True zurückgibt, denken Sie daran, dass zuerst list.__contains__() auf Identität überprüft wird (is), bevor Sie die Gleichheit überprüfen (==). Seit np.nan is np.nan gibt der zweite Fall True zurück.