numpy.finfo #

类 numpy. finfo ( dtype ) [来源] #

浮点类型的机器限制。

参数：

dtype float、dtype 或实例: 要获取有关信息的浮点或复杂浮点数据类型的种类。

也可以看看

iinfo: 相当于整数数据类型。
spacing: 一个值与最近的相邻数字之间的距离
nextafter: x1 之后到 x2 的下一个浮点值

笔记

对于 NumPy 开发人员：不要在模块级别实例化它。这些参数的初始计算成本高昂，并且会对导入时间产生负面影响。这些对象被缓存，因此finfo() 在函数内重复调用不是问题。

请注意，这smallest_normal实际上并不是 NumPy 浮点类型中可表示的最小正值。与 IEEE-754 标准[1]一样，NumPy 浮点类型利用次正规数来填充 0 和之间的间隙smallest_normal。然而，次正规数可能会显着降低精度[2]。

该函数也可用于复杂的数据类型。如果使用，输出将与相应的实际浮点类型相同（例如numpy.finfo(numpy.csingle)与numpy.finfo(numpy.single)相同）。但是，输出对于实部和虚部都是正确的。

参考

[ 1 ]

IEEE 浮点运算标准，IEEE Std 754-2008，第 1-70 页，2008 年，http://www.doi.org/10.1109/IEEESTD.2008.4610935

[ 2 ]

维基百科，“非正规数”， https://en.wikipedia.org/wiki/Denormal_number

例子

>>> np.finfo(np.float64).dtype
dtype('float64')
>>> np.finfo(np.complex64).dtype
dtype('float32')

属性：

位整数: 类型占用的位数。
数据类型数据类型: 返回为其返回信息的 dtype finfo。对于复杂输入，返回的数据类型是float*其真实组件和复杂组件的关联数据类型。
eps浮动: 1.0 和下一个大于 1.0 的最小可表示浮点数之间的差异。例如，对于 IEEE-754 标准中的 64 位二进制浮点数，大约为 2.22e-16。eps = 2**-52
埃普斯内格浮子: 1.0 与小于 1.0 的下一个最小可表示浮点数之间的差异。例如，对于 IEEE-754 标准中的 64 位二进制浮点数，大约为 1.11e-16。epsneg = 2**-53
iexp整数: 浮点表示的指数部分的位数。
马切普国际: 产生eps的指数。
适当类型的最大浮点数: 最大的可表示数。
最大指数整数: 导致溢出的基数 (2) 的最小正幂。
适当类型的最小浮点数: 最小的可表示数字，通常为-max。
最小指数整数: 基数 (2) 的最负幂与尾数中没有前导 0 一致。
内格普国际: 产生epsneg的指数。
指数整数: 指数中的位数，包括其符号和偏差。
内曼特: 尾数中的位数。
精度整数: 这种浮点数精确到的小数位数的近似值。
解析适当类型的浮点数: 该类型的近似十进制分辨率，即 10**-precision。
tiny漂浮: 返回tiny（最小_正常的别名）的值。
smallest_normal漂浮: 返回最小法线的值。
最小次正规浮点数: IEEE-754 后面的尾数中以 0 作为前导位的最小正浮点数。