numpy.finfo#

class numpy.finfo(dtype)[原始碼]#

浮點數型別的機器限制。

參數:

另請參閱

說明

給 NumPy 開發人員：請勿在模組層級實例化此項。這些參數的初始計算成本很高，並且會對匯入時間產生負面影響。這些物件會被快取，因此在您的函數內重複呼叫 finfo() 並不是問題。

請注意，smallest_normal 實際上並非 NumPy 浮點數型別中最小的正可表示值。如同 IEEE-754 標準 [1] 中所述，NumPy 浮點數型別會使用次正規數來填補 0 和 smallest_normal 之間的間隙。然而，次正規數的精確度可能會大幅降低 [2]。

此函數也可用於複數資料型別。如果使用，則輸出將與對應的實數浮點數型別相同（例如，numpy.finfo(numpy.csingle) 與 numpy.finfo(numpy.single) 相同）。但是，輸出對於實部和虛部皆為真。

參考文獻

[1]

IEEE 浮點算術標準，IEEE Std 754-2008，pp.1-70，2008，https://doi.org/10.1109/IEEESTD.2008.4610935

[2]

範例

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

屬性:

bitsint: 型別佔用的位元數。
dtypedtype: 傳回 finfo 傳回資訊的 dtype。對於複數輸入，傳回的 dtype 是與其實部和虛部相關聯的 float* dtype。
epsfloat: 1.0 與下一個大於 1.0 的最小可表示浮點數之間的差值。例如，對於 IEEE-754 標準中的 64 位元二進位浮點數，eps = 2**-52，約為 2.22e-16。
epsnegfloat: 1.0 與下一個小於 1.0 的最小可表示浮點數之間的差值。例如，對於 IEEE-754 標準中的 64 位元二進位浮點數，epsneg = 2**-53，約為 1.11e-16。
iexpint: 浮點數表示法中指數部分的位元數。
machepint: 產生 eps 的指數。
max適當型別的浮點數: 最大的可表示數字。
maxexpint: 造成溢位的最小正基底 (2) 冪次。
min適當型別的浮點數: 最小的可表示數字，通常為 -max。
minexpint: 與尾數中沒有前導 0 一致的最負基底 (2) 冪次。
negepint: 產生 epsneg 的指數。
nexpint: 指數中的位元數，包括其符號和偏差。
nmantint: 尾數中的位元數。
precisionint: 此種浮點數精確到的小數位數的近似值。
resolution適當型別的浮點數: 此型別的近似十進位解析度，即 10**-precision。
tinyfloat: 傳回 tiny 的值，smallest_normal 的別名。
smallest_normalfloat: 傳回 smallest normal 的值。
smallest_subnormalfloat: 遵循 IEEE-754 標準，尾數中前導位元為 0 的最小正浮點數。