numpy.finfo¶

class numpy.finfo(dtype)[源代码]¶

浮点类型的机器限制。

参数

参见

笔记

对于numpy的开发人员：不要在模块级别实例化它。这些参数的初始计算很昂贵，并且对导入时间有负面影响。这些对象被缓存，因此调用 finfo() 在你的函数中反复出现并不是问题。

注意 tiny 实际上不是NumPy浮点类型中可表示的最小正值。如IEEE-754标准 [1], NumPy浮点类型使用次正常数来填充0和0之间的间隙 tiny . 然而，低于正常值的数字可能会大大降低精度 [2].

工具书类

1: IEEE浮点运算标准，IEEE Std 754-2008，pp.1-702008，http://www.doi.org/10.1109/IEEESTD.2008.4610935
2: 维基百科，“非规范数字”，https://en.wikipedia.org/wiki/Denormalu编号

属性

bits利息: 类型所占用的位数。
eps浮动: 1.0与大于1.0的次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， eps = 2**-52 ，约2.22e-16。
epsneg浮动: 1.0和下一个最小可表示浮点之间的差值小于1.0。例如，对于IEEE-754标准中的64位二进制浮点， epsneg = 2**-53 ，约1.11e-16。
iexp利息: 浮点表示的指数部分中的位数。
macharMachAr: 计算这些参数并保存更详细信息的对象。
machep利息: 得出的指数 eps .
max适当类型的浮点数: 最大的可表示数字。
maxexp利息: 引起溢出的基（2）的最小正幂。
min适当类型的浮点数: 最小的可表示数，通常 -max .
minexp利息: 基数（2）的最负幂与尾数中没有前导0一致。
negep利息: 得出的指数 epsneg .
nexp利息: 指数中的位数，包括其符号和偏差。
nmant利息: 尾数中的位数。
precision利息: 这种浮点数精确到的小数位数的近似值。
resolution适当类型的浮点数: 这种类型的近似十进制分辨率，即， 10**-precision .
tiny浮动: 具有全精度的最小正浮点数（见注释）。

numpy.format_parser numpy.iinfo