为什么NumPy中np.nan可通过astype转int但无法用int()转换？

运行如下代码会出现描述的行为差异：

import numpy as np
print(np.array([np.nan]).astype(int))
# 输出：[-9223372036854775808]
print(int(np.array([np.nan])))
# 抛出：ValueError: cannot convert float NaN to integer

两种写法走的是完全独立的转换链路，设计规则从根源上就不一样：

• ndarray.astype(int)走numpy底层批量转换逻辑
  numpy做数组级别的类型转换时，优先考虑大规模数据的处理性能，默认不会逐元素做浮点数合法性校验，直接调用C层面的硬件指令完成浮点数到整数的转换。
  按照IEEE754浮点数标准和C语言规范，NaN、无穷大这类特殊浮点值本身没有对应的合法整数表示，这类转换属于未定义行为。在主流x86架构下，硬件指令做浮点转64位整数时遇到NaN会固定返回64位有符号整数的最小值-9223372036854775808，numpy没有额外拦截这个结果，就直接返回给了用户。
  这个设计是numpy早期做性能权衡的结果：逐元素检查NaN/无穷大会明显拖慢百万、千万级大数组的转换速度，因此默认把特殊值的校验责任交给了开发者。

• int(np.array([np.nan]))走Python原生标量转换逻辑
  这个操作不会触发numpy的数组转换流程：它首先会把存了NaN的0维numpy数组转成Python原生的float('nan')标量，再调用Python内置的int()构造函数做转换。Python原生的类型转换默认做严格的合法性校验，明确禁止把NaN转换为整数，因此直接抛出异常。直接运行int(float('nan'))会得到完全一致的报错，和numpy本身的逻辑无关。

这个-9223372036854775808没有任何业务层面的特殊含义，纯粹是底层硬件指令处理未定义场景的副产物。

注意：绝对不要在生产代码中依赖这个转换结果。它的输出没有跨平台、跨版本的一致性保证，换硬件架构、换numpy编译参数、换操作系统版本都可能得到不同的返回值，属于不可靠的脏数据。

如果需要安全地把含缺失值的浮点数组转成整数，一定要提前处理特殊值：可以先用np.isfinite()检查是否存在非有限值，或者用np.nan_to_num()把NaN、无穷大替换成指定的合法整数后再做转换。

内容的提问来源于stack exchange，提问作者My Work