常量#
NumPy 包含多个常量
- numpy.e#
欧拉常数，自然对数的底数，纳皮尔常数。
e = 2.71828182845904523536028747135266249775724709369995...参见
exp : 指数函数 log : 自然对数
参考文献
- numpy.euler_gamma#
γ = 0.5772156649015328606065120900824024310421...参考文献
- numpy.inf#
IEEE 754 浮点表示的（正）无穷大。
返回值
- yfloat
正无穷大的浮点表示。
参见
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 : 显示哪些元素是NaN（非数字）
isfinite : 显示哪些元素是有限的（不是NaN、正无穷大和负无穷大）
备注
NumPy 使用 IEEE 754 标准进行二进制浮点运算。这意味着 NaN 不等于无穷大，正无穷大也不等于负无穷大。但无穷大等于正无穷大。
示例
>>> import numpy as np >>> np.inf inf >>> np.array([1]) / 0. array([inf])
- numpy.nan#
IEEE 754 浮点表示的 NaN（非数字）。
返回值
y : NaN 的浮点表示。
参见
isnan : 显示哪些元素是 NaN（非数字）。
isfinite : 显示哪些元素是有限的（不是NaN、正无穷大和负无穷大）
备注
NumPy 使用 IEEE 754 标准进行二进制浮点运算。这意味着 NaN 不等于无穷大。
示例
>>> import numpy as np >>> np.nan nan >>> np.log(-1) np.float64(nan) >>> np.log([-1, 1, 2]) array([ nan, 0. , 0.69314718])
- numpy.newaxis#
None 的便捷别名，用于索引数组。
示例
>>> import numpy as np >>> np.newaxis is None True >>> x = np.arange(3) >>> x array([0, 1, 2]) >>> x[:, np.newaxis] array([[0], [1], [2]]) >>> x[:, np.newaxis, np.newaxis] array([[[0]], [[1]], [[2]]]) >>> x[:, np.newaxis] * x array([[0, 0, 0], [0, 1, 2], [0, 2, 4]])
外积，与
outer(x, y)相同>>> y = np.arange(3, 6) >>> x[:, np.newaxis] * y array([[ 0, 0, 0], [ 3, 4, 5], [ 6, 8, 10]])
x[np.newaxis, :]等效于x[np.newaxis]和x[None]>>> x[np.newaxis, :].shape (1, 3) >>> x[np.newaxis].shape (1, 3) >>> x[None].shape (1, 3) >>> x[:, np.newaxis].shape (3, 1)
- numpy.pi#
pi = 3.1415926535897932384626433...参考文献