Константы#
NumPy включает несколько констант:
- numpy.e#
Константа Эйлера, основание натуральных логарифмов, число Непера.
e = 2.71828182845904523536028747135266249775724709369995...Смотрите также
exp : Экспоненциальная функция log : Натуральный логарифм
Ссылки
- numpy.euler_gamma#
γ = 0.5772156649015328606065120900824024310421...Ссылки
- numpy.inf#
Представление положительной бесконечности в формате IEEE 754 с плавающей точкой.
Возвращает
- yfloat
Представление положительной бесконечности в виде числа с плавающей запятой.
Смотрите также
isinf : Показывает, какие элементы являются положительной или отрицательной бесконечностью
isposinf : Показывает, какие элементы являются положительной бесконечностью
isneginf : Показывает, какие элементы являются отрицательной бесконечностью
isnan: Показывает, какие элементы не являются числом
isfinite: Показывает, какие элементы являются конечными (не являются NaN, положительной бесконечностью или отрицательной бесконечностью)
Примечания
NumPy использует стандарт IEEE для двоичной арифметики с плавающей запятой (IEEE 754). Это означает, что Not a Number не эквивалентно бесконечности. Также положительная бесконечность не эквивалентна отрицательной бесконечности. Но бесконечность эквивалентна положительной бесконечности.
Примеры
>>> import numpy as np
>>> np.inf
inf
>>> np.array([1]) / 0.
array([inf])
- numpy.nan#
Представление IEEE 754 с плавающей точкой для Not a Number (NaN).
Возвращает
y : Представление с плавающей точкой для Not a Number.
Смотрите также
isnan : Показывает, какие элементы не являются числами (NaN).
isfinite : Показывает, какие элементы являются конечными (не являются Not a Number, положительной бесконечностью или отрицательной бесконечностью)
Примечания
NumPy использует стандарт IEEE для двоичной арифметики с плавающей точкой (IEEE 754). Это означает, что Not a Number не эквивалентно бесконечности.
Примеры
>>> 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#
Удобный псевдоним для None, полезный для индексации массивов.
Примеры
>>> 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]])
Внешнее произведение, то же, что и outer(x, y):
>>> y = np.arange(3, 6)
>>> x[:, np.newaxis] * y
array([[ 0, 0, 0],
[ 3, 4, 5],
[ 6, 8, 10]])
x[np.newaxis, :] эквивалентно x[np.newaxis] и 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...Ссылки