为何NaN值会使min、max函数对输入顺序敏感？

首先，我们先确认你观察到的现象：

import numpy as np

print(min(50, np.NaN))  # 输出: 50
print(min(np.NaN, 50))  # 输出: nan

max()函数也存在完全相同的行为。

核心原因：np.NaN的比较规则 + Python内置min()的工作逻辑 #

1. np.NaN的特殊比较特性

根据IEEE 754浮点标准，NaN（Not a Number）和任何值的比较操作（包括等于、小于、大于）都会返回False。比如：

print(50 < np.NaN)   # False
print(np.NaN < 50)   # False
print(np.NaN == np.NaN)  # False

2. Python内置min()的执行逻辑

Python的min(a, b)函数的工作方式很直白：

• 先把第一个元素作为初始的「当前最小值」
• 然后和第二个元素比较：如果第二个元素严格小于当前最小值，就替换当前最小值
• 最后返回最终的当前最小值

我们把两种情况拆开分析：

• 当调用min(50, np.NaN)：
  初始最小值是50，接着判断np.NaN < 50？结果是False，所以不会替换初始值，最终返回50。
• 当调用min(np.NaN, 50)：
  初始最小值是np.NaN，接着判断50 < np.NaN？结果也是False，同样不会替换初始值，最终返回np.NaN。

min()函数本身是顺序敏感的吗？ #

不是——当所有输入都是正常的可比较数值时，不管顺序如何，min()的结果都一致，比如min(3, 1)和min(1, 3)都返回1。只有当输入包含NaN这种违反常规比较规则的特殊值时，才会出现顺序影响结果的情况。

如何规避这个问题？ #

就像你提到的，使用numpy.nanmin()函数，它会自动忽略所有NaN值，直接计算剩余元素的最小值，不管顺序如何结果都一致：

print(np.nanmin([50, np.NaN]))  # 输出: 50
print(np.nanmin([np.NaN, 50]))  # 输出: 50

numpy.nanmax()同理。

内容的提问来源于stack exchange，提问作者Josh Friedlander