为何`myfloat in myset`集合成员判断操作会异常变慢？

这个现象的核心根源是NaN（非数值）的特殊浮点规则与Python集合的实现逻辑共同作用的结果，和集合本身的常数时间复杂度设计不冲突：

1. Python集合的底层实现逻辑 #

Python的集合基于哈希表实现，正常情况下x in s的执行分为两步：

• 计算x的哈希值，定位到哈希表中对应的哈希桶（时间复杂度O(1)）
• 遍历该哈希桶内的所有元素，逐一和x做相等比较，找到匹配项就返回True，遍历完无匹配则返回False

正常场景下每个哈希桶的元素数量极少，所以整体操作是O(1)复杂度。 #

2. NaN的特殊规则破坏了上述逻辑 #

NaN有两个违反普通数值规则的特性：

• 所有NaN的哈希值都相同：hash(float('nan'))的结果是固定值，因此所有NaN都会被定位到同一个哈希桶中
• NaN不与任何值相等，包括自身：float('nan') == float('nan')的返回值为False

3. 变慢的根因 #

你每次往集合中添加新的NaN时，因为和桶内已有的所有NaN做相等比较都返回False，集合会把每个新NaN都判定为未存在的新元素，全部存入同一个哈希桶中。
当桶内有N个NaN时，执行x in s检查时，x是NaN会定位到同一个桶，必须遍历完桶内全部N个NaN，全部比较不相等后才会返回结果，时间复杂度退化为O(N)，因此插入的NaN越多，检查耗时就越长，和你测试的耗时线性增长的结果完全吻合。 #

简单验证方法 #

你可以在代码中每次执行add操作后打印len(s)，会发现集合长度持续增长，正常的重复浮点值（比如0.0）不会出现这个情况。

内容的提问来源于stack exchange，提问作者no comment