Numpy 2中独立float64(nan)问题：成因及自动转换方法咨询

改动原因 #

Numpy 2做这个调整，核心是为了统一数值类型的对象模型：

• 之前np.nan是单例的Python float对象，而np.float64("nan")是numpy自己的标量实例，两者模型不一致容易造成混淆。
• 现在让所有numpy标量类型的实例都保持独立，不再复用单例，这让numpy标量的行为更贴近Python原生数值类型（比如Python里float('nan') is float('nan')本身就是False），同时也规避了单例模式在多线程等场景下可能出现的状态冲突问题。

自动转换numpy浮点数为普通浮点数的方法 #

有几种实用的转换方式：

• 单个标量转换：直接用float()包裹numpy标量，比如float(np.float64("nan"))，得到的就是Python原生float类型，既解决了is判断的问题，也能配合JSON序列化的allow_nan=True参数正常序列化。
• 批量数组转换：用np.asarray(arr).tolist()，可以把整个numpy数组的元素全部转为Python原生类型。
• 自定义JSON编码器（处理包含numpy标量的复杂对象）：

import json
import numpy as np

class NumpyEncoder(json.JSONEncoder):
    def default(self, obj):
        if isinstance(obj, np.number):
            return float(obj)
        return super().default(obj)

# 使用示例
data = {"test_val": np.float64("nan")}
json_str = json.dumps(data, cls=NumpyEncoder, allow_nan=True)

内容的提问来源于stack exchange，提问作者sds