numpy.finfo#

class numpy.finfo(dtype)[source]#

浮点类型的机器限制。

参数:

dtype浮点型、数据类型或实例: 要获取信息的浮点型或复数浮点型数据类型。

另请参阅

iinfo: 整数数据类型的等效项。
spacing: 一个值与最近相邻数字之间的距离
nextafter: x1 之后朝向 x2 的下一个浮点值

注意

对于 NumPy 开发者：不要在模块级别实例化此对象。这些参数的初始计算成本高昂，会负面影响导入时间。这些对象会被缓存，因此在函数内部重复调用 finfo() 不是问题。

请注意，smallest_normal 实际上并非 NumPy 浮点类型中最小的可表示正值。与 IEEE-754 标准 [1] 中一样，NumPy 浮点类型利用次正规数来填补 0 和 smallest_normal 之间的空白。然而，次正规数可能会显著降低精度 [2]。

此函数也可用于复数数据类型。如果使用，其输出将与相应的实数浮点类型相同（例如，numpy.finfo(numpy.csingle) 与 numpy.finfo(numpy.single) 相同）。然而，该输出对于实部和虚部均成立。

参考文献

[1]

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

[2]

维基百科，“非规范数”，https://en.wikipedia.org/wiki/Denormal_number

示例

>>> import numpy as np
>>> np.finfo(np.float64).dtype
dtype('float64')
>>> np.finfo(np.complex64).dtype
dtype('float32')

属性:

bits整型: 该类型所占的位数。
dtype数据类型: 返回 finfo 提供信息的 dtype。对于复数输入，返回的 dtype 是其实部和虚数部分关联的 float* dtype。
eps浮点型: 1.0 与下一个大于 1.0 的最小可表示浮点数之间的差值。例如，对于 IEEE-754 标准中的 64 位二进制浮点数，eps = 2**-52，约为 2.22e-16。
epsneg浮点型: 1.0 与下一个小于 1.0 的最大可表示浮点数之间的差值。例如，对于 IEEE-754 标准中的 64 位二进制浮点数，epsneg = 2**-53，约为 1.11e-16。
iexp整型: 浮点表示中指数部分的位数。
machep整型: 产生 eps 的指数。
max相应类型的浮点数: 最大可表示数。
maxexp整型: 导致溢出的基数 (2) 的最小正幂。
min相应类型的浮点数: 最小可表示数，通常为 -max。
minexp整型: 基数 (2) 的最大负幂，与尾数中没有前导 0 一致。
negep整型: 产生 epsneg 的指数。
nexp整型: 指数部分的位数，包括其符号位和偏移量。
nmant整型: 尾数部分的位数。
precision整型: 该浮点类型精确到的小数位数。
resolution相应类型的浮点数: 该类型的近似十进制分辨率，即 10**-precision。
tiny浮点型: 返回微小值，即 smallest_normal 的别名。
smallest_normal浮点型: 返回最小正规数。
smallest_subnormal浮点型: 遵循 IEEE-754 标准，尾数中前导位为 0 的最小正浮点数。