常数#
NumPy 包含几个常量:
- 麻木的。NINF #
负无穷大的 IEEE 754 浮点表示法。
退货
- y浮动
负无穷大的浮点表示。
也可以看看
isinf :显示哪些元素是正无穷大或负无穷大
isposinf :显示哪些元素是正无穷大
isneginf :显示哪些元素是负无穷大
isnan :显示哪些元素不是数字
isfinite :显示哪些元素是有限的(不是非数字、正无穷大和负无穷大之一)
笔记
NumPy 使用 IEEE 二进制浮点算术标准 (IEEE 754)。这意味着“Not a Number”并不等于无穷大。此外,正无穷大并不等于负无穷大。但无穷大相当于正无穷大。
例子
>>> np.NINF -inf >>> np.log(0) -inf
- 麻木的。零#
负零的 IEEE 754 浮点表示法。
退货
- y浮动
负零的浮点表示。
也可以看看
PZERO:定义正零。
isinf :显示哪些元素是正无穷大或负无穷大。
isposinf :显示哪些元素是正无穷大。
isneginf :显示哪些元素是负无穷大。
isnan :显示哪些元素不是数字。
- isfinite显示哪些元素是有限的 - 不是其中之一
不是一个数字,正无穷大和负无穷大。
笔记
NumPy 使用 IEEE 二进制浮点算术标准 (IEEE 754)。负零被认为是有限数。
例子
>>> np.NZERO -0.0 >>> np.PZERO 0.0
>>> np.isfinite([np.NZERO]) array([ True]) >>> np.isnan([np.NZERO]) array([False]) >>> np.isinf([np.NZERO]) array([False])
- 麻木的。零#
正零的 IEEE 754 浮点表示法。
退货
- y浮动
正零的浮点表示。
也可以看看
NZERO :定义负零。
isinf :显示哪些元素是正无穷大或负无穷大。
isposinf :显示哪些元素是正无穷大。
isneginf :显示哪些元素是负无穷大。
isnan :显示哪些元素不是数字。
- isfinite显示哪些元素是有限的 - 不是其中之一
不是一个数字,正无穷大和负无穷大。
笔记
NumPy 使用 IEEE 二进制浮点算术标准 (IEEE 754)。正零被认为是有限数。
例子
>>> np.PZERO 0.0 >>> np.NZERO -0.0
>>> np.isfinite([np.PZERO]) array([ True]) >>> np.isnan([np.PZERO]) array([False]) >>> np.isinf([np.PZERO]) array([False])
- 麻木的。e #
欧拉常数、自然对数底、纳皮尔常数。
e = 2.71828182845904523536028747135266249775724709369995...
也可以看看
exp : 指数函数 log : 自然对数
参考
- 麻木的。欧拉伽玛#
γ = 0.5772156649015328606065120900824024310421...
参考
- 麻木的。信息#
(正)无穷大的 IEEE 754 浮点表示。
退货
- y浮动
正无穷大的浮点表示。
也可以看看
isinf :显示哪些元素是正无穷大或负无穷大
isposinf :显示哪些元素是正无穷大
isneginf :显示哪些元素是负无穷大
isnan :显示哪些元素不是数字
isfinite :显示哪些元素是有限的(不是非数字、正无穷大和负无穷大之一)
笔记
NumPy 使用 IEEE 二进制浮点算术标准 (IEEE 754)。这意味着“Not a Number”并不等于无穷大。此外,正无穷大并不等于负无穷大。但无穷大相当于正无穷大。
Inf
、Infinity
、PINF
和infty
是 的别名inf
。例子
>>> np.inf inf >>> np.array([1]) / 0. array([ Inf])
- 麻木的。南#
非数字 (NaN) 的 IEEE 754 浮点表示形式。
退货
y :非数字的浮点表示。
也可以看看
isnan :显示哪些元素不是数字。
isfinite :显示哪些元素是有限的(不是非数字、正无穷大和负无穷大之一)
笔记
NumPy 使用 IEEE 二进制浮点算术标准 (IEEE 754)。这意味着“Not a Number”并不等于无穷大。
例子
>>> np.nan nan >>> np.log(-1) nan >>> np.log([-1, 1, 2]) array([ NaN, 0. , 0.69314718])
- 麻木的。新轴#
None 的一个方便的别名,对于索引数组很有用。
例子
>>> newaxis is None True >>> x = np.arange(3) >>> x array([0, 1, 2]) >>> x[:, newaxis] array([[0], [1], [2]]) >>> x[:, newaxis, newaxis] array([[[0]], [[1]], [[2]]]) >>> x[:, newaxis] * x array([[0, 0, 0], [0, 1, 2], [0, 2, 4]])
外积,与:
outer(x, y)
>>> y = np.arange(3, 6) >>> x[:, newaxis] * y array([[ 0, 0, 0], [ 3, 4, 5], [ 6, 8, 10]])
x[newaxis, :]
相当于x[newaxis]
和x[None]
:>>> x[newaxis, :].shape (1, 3) >>> x[newaxis].shape (1, 3) >>> x[None].shape (1, 3) >>> x[:, newaxis].shape (3, 1)
- 麻木的。圆周率#
pi = 3.1415926535897932384626433...
参考