Python 内置 sorted() 在含 numpy.nan 的列表中表现非确定性，根本原因在于 NaN 不满足任何大小比较（如python 内置 `sorted()` 在含 `numpy.nan` 的列表中表现非确定性，根本原因在于 nan 不满足任何大小比较（如 `
在 Python 中，sorted() 是一个稳定、基于比较的排序函数，底层使用 Timsort 算法。它依赖元素间可预测的三路比较关系（a b）来构建有序序列。然而，当 numpy.nan（Not a Number）参与比较时，所有标准比较运算符（, >=, ==）均返回 False（除 != 恒为 True 外），这直接违反了排序算法对“全序关系”的基本假设。
例如：
import numpy as np print(3 <p>这种“比较恒假”特性会干扰排序过程中的关键判断。以经典的 max(a, b) 逻辑为例（其内部即类似排序中的两两比较）：</p><pre class="brush:php;toolbar:false;">def max_naive(a, b): return b if a <p>可见，max 的结果取决于参数顺序——这正是 sorted() 行为异常的根源：Timsort 在遇到 nan </p><p>验证这一现象：</p><pre class="brush:php;toolbar:false;">import numpy as np print(sorted([3, 2, np.nan, -1])) # [-1, 2, 3, nan] — nan 排末尾 print(sorted([1, 2, np.nan, -1])) # [1, 2, nan, -1] — nan 插入第3位（原索引2） print(sorted([-1, np.nan, 3, 2])) # [-1, nan, 2, 3] — nan 位置再次变化⚠️ 重要注意事项：
- 此问题仅影响 numpy.nan 与内置 sorted()/list.sort() 的组合；float('nan') 行为一致，但 math.nan 同理。
- pandas 和 numpy 自身的排序方法（如 np.sort()、pd.Series.sort_values(na_position='last')）已专门处理 NaN，默认将其置于末尾或开头，行为可控。
- 切勿依赖 sorted() 对含 NaN 列表的输出结果——它不是错误，而是未定义行为（undefined behavior），不同 Python 版本或数据排列可能产生不同顺序。
✅ 推荐解决方案：
预过滤 NaN（最简洁）：
lst = [3, 2, np.nan, -1] clean_lst = [x for x in lst if not np.isnan(x)] result = sorted(clean_lst) # [-1, 2, 3]自定义 key 实现 NaN 统一归位：
def nan_aware_key(x): return (0, x) if not np.isnan(x) else (1, 0) # 数值优先，NaN 后置 print(sorted([1, 2, np.nan, -1], key=nan_aware_key)) # [-1, 1, 2, nan]使用 NumPy 排序（推荐用于数值计算场景）：
arr = np.array([3, 2, np.nan, -1]) print(np.sort(arr)) # [-1. 2. 3. nan] — NaN 默认置末尾总结：sorted() 遇 NaN 的“混乱”并非 bug，而是浮点标准（IEEE 754）与全序排序假设冲突的必然结果。理解其底层机制（比较恒假 → Timsort 逻辑失效）是正确规避问题的前提。在涉及缺失值的实际数据分析中，应主动选用 pandas、numpy 等具备显式 NaN 处理策略的工具，或通过 key 函数明确约定 NaN 的排序语义。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
