pandas.groupby.agg(sum)中inf与非inf的顺序是否影响结果？

我在对包含inf的pd.Series（或pd.DataFrame）分组求和时，发现原数据中inf的位置会导致结果出现nan或inf的差异。

示例复现 #

先创建一个带两级MultiIndex的Series：

import pandas as pd
import numpy as np

mid = pd.MultiIndex.from_tuples([('a',1), ('a',2), ('b',1), ('b',2), ('c',1), ('c',2)])
df = pd.Series(np.array([np.inf, 1, 1, np.inf, np.inf, np.inf]), index=mid)

输出的Series内容：

a  1    inf
   2    1.0
b  1    1.0
   2    inf
c  1    inf
   2    inf
dtype: float64

按第一级索引分组求和后，结果不符合预期：

df.groupby(level=[0]).agg(sum)

输出结果：

a    NaN
b    inf
c    NaN
dtype: float64

疑问点 #

按NumPy的运算规则，np.inf + 1、1 + np.inf、np.inf + np.inf的结果都是inf，所以我预期所有分组的求和结果都应该是inf。即使改用np.nansum，得到的结果也完全一致。

我了解到pandas曾存在过与inf和分组求和相关的bug，但这些bug均已关闭修复，且未涉及inf的位置对结果的影响。

请问在pandas 1.4.4版本中，为什么inf的位置会影响分组求和的计算结果？为什么两个inf相加会得到nan？

内容的提问来源于stack exchange，提问作者gtd88