numpy.finfo#

class numpy.finfo(dtype)[源码]#

浮点类型的机器限制。

参数:

dtypefloat, dtype, or instance: 要获取信息的浮点或复数浮点数据类型的种类。

另请参阅

iinfo: 整数数据类型的等效函数。
spacing: 值与最近邻数之间的距离
nextafter: 从 x1 向 x2 方向的下一个浮点数值

备注

对于 NumPy 的开发者：请勿在模块级别实例化此对象。这些参数的初始计算成本很高，并且会对导入时间产生负面影响。这些对象是缓存的，因此在函数中反复调用 finfo() 不是问题。

请注意，smallest_normal 并不是 NumPy 浮点类型中实际最小的正可表示值。与 IEEE-754 标准 [1] 一样，NumPy 浮点类型使用次正规数来填充 0 和 smallest_normal 之间的空隙。然而，次正规数的精度可能会显著降低 [2]。

对于 longdouble，其表示因平台而异。在大多数平台上，它是 IEEE 754 binary128（四精度）或 binary64-extended（80 位扩展精度）。在 PowerPC 系统上，它可能使用 IBM 双精度格式（两个 float64 值），该格式在精度和范围方面具有特殊性。

此函数也可用于复数数据类型。如果使用，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）。但是，此输出对实部和虚部都是真实的。

参考

[1]

IEEE 标准浮点算术，IEEE Std 754-2008，pp.1-70，2008，https://doi.org/10.1109/IEEESTD.2008.4610935

[2]

维基百科，“Denormal Numbers”，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:

bitsint: 该类型占用的位数。
dtypedtype: 返回 finfo 返回信息的 dtype。对于复数输入，返回的 dtype 是其虚部和实部的相关 float* dtype。
epsfloat: 1.0 与大于 1.0 的下一个可表示的最小浮点数之间的差值。例如，对于 IEEE-754 标准中的 64 位二进制浮点数，eps = 2**-52，大约为 2.22e-16。
epsnegfloat: 1.0 与小于 1.0 的下一个可表示的最小浮点数之间的差值。例如，对于 IEEE-754 标准中的 64 位二进制浮点数，epsneg = 2**-53，大约为 1.11e-16。
iexpint: 浮点表示中指数部分的位数。
machepint: 产生 eps 的指数。
maxfloating point number of the appropriate type: 可表示的最大数。
maxexpint: 导致溢出的基数（2）的最小正幂。对应于 C 标准 MAX_EXP。
minfloating point number of the appropriate type: 可表示的最小数，通常为 -max。
minexpint: 基数（2）的最小负幂，与尾数中没有前导 0 一致。对应于 C 标准 MIN_EXP - 1。
negepint: 产生 epsneg 的指数。
nexpint: 包括符号和偏差在内的指数位数。
nmantint: 尾数中显式位数的数量（不包括归一化数的隐式前导位）。
precisionint: 此种类浮点数精确的近似小数位数。
resolutionfloating point number of the appropriate type: 此类型的近似十进制分辨率，即 10**-precision。
tinyfloat: 是 smallest_normal 的别名，为向后兼容而保留。
smallest_normalfloat: 根据 IEEE-754，尾数中以 1 开头的最小正浮点数（参见注释）。
smallest_subnormalfloat: 根据 IEEE-754，尾数中以 0 开头的最小正浮点数。