numpy.isfinite #

麻木的。isfinite ( x , / , out=None , * , where=True , casting='same_kind' , order='K' , dtype=None , subok=True [ , signature , extobj ] ) = <ufunc 'isfinite'> #

按元素测试有限性(不是无穷大也不是非数字)。

结果以布尔数组形式返回。

参数
x类似数组

输入值。

out ndarray、None 或 ndarray 和 None 的元组,可选

存储结果的位置。如果提供,它必须具有输入广播到的形状。如果未提供或无,则返回新分配的数组。元组(只能作为关键字参数)的长度必须等于输出的数量。

其中array_like,可选

该条件通过输入广播。在条件为 True 的位置,输出数组将设置为 ufunc 结果。在其他地方,输出数组将保留其原始值。请注意,如果通过 default 创建 未初始化的outout=None数组,则其中条件为 False 的位置将保持未初始化状态。

**夸格

对于其他仅关键字参数,请参阅 ufunc 文档

返回
y ndarray,布尔

True ,其中x不是正无穷大、负无穷大或 NaN;否则为假。如果x是标量,则这是标量。

也可以看看

isinf, isneginf, isposinf,isnan

笔记

不是数字,正无穷大和负无穷大都被认为是非有限的。

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。当x是标量输入时,如果还提供了第二个参数,或者第一个和第二个参数具有不同的形状,则会产生错误。

例子

>>> np.isfinite(1)
True
>>> np.isfinite(0)
True
>>> np.isfinite(np.nan)
False
>>> np.isfinite(np.inf)
False
>>> np.isfinite(np.NINF)
False
>>> np.isfinite([np.log(-1.),1.,np.log(0)])
array([False,  True, False])
>>> x = np.array([-np.inf, 0., np.inf])
>>> y = np.array([2, 2, 2])
>>> np.isfinite(x, y)
array([0, 1, 0])
>>> y
array([0, 1, 0])