NumPy 的常量
更新时间：2020-12-29 23:39:56 标签：numpy
常量
好消息！
本教程作者所著新书《深入浅出Pandas：利用Python进行数据处理与分析》（ISBN：9787111685456）已由机械工业出版社出版上市，各大电商平台有售，欢迎：查看详情并关注购买。
说明
NumPy 教程 正在计划编写中，欢迎大家加微信 gairuo123 提供意见、建议、纠错、催更。
常量是指在程序的整个运行过程中值保持不变的量。NumPy 的常量包括 np.e、np.pi、 np.inf、 np.nan、np.NINF、np.PZERO/np.NZERO、np.euler_gamma、np.newaxis 等。
常用常量
常用的有：
| 常量 | 说明 |
|---|---|
| numpy.Inf | （正）无穷大 |
| numpy.nan | 空值、非数值 |
| numpy.pi | 圆周率 π, pi=3.14159265... |
| numpy.e | 自然数 e |
| numpy.euler_gamma | 欧拉常数 γ=0.577215... |
无穷大 np.Inf
无穷大 np.Inf 还有其他几个别名：np.Inf、np.Infinity、np.PINF、np.infty，两个无穷大的值是相等的。
# inf
np.inf
# 它是一个浮点型
type(np.inf)
# float
NumPy 执行 IEEE 算术二进制浮点标准（IEEE 754），这意味着非数字不等于无穷大。 同样，正无限不等于负无限，但是无穷大等于正无穷大。
np.inf == +np.inf
# True
np.inf == -np.inf
# False
np.inf + 1
# inf
np.inf * 1
# inf
np.inf/np.inf
# nan
np.inf+(-np.inf)
# nan
np.array([np.inf])/0
# array([inf])
一些常见的关于无穷值的判断：
a = np.array([np.inf, -np.inf, 1])
# 显示哪些元素是正无穷大或负无穷大
np.isinf(a) # array([ True, True, False])
# 显示哪些元素为正无穷大
np.isposinf(a) # array([ True, False, False])
# 显示哪些元素不是数字
np.isnan(a) # array([False, False, False])
# 显示哪些元素为负无穷大
np.isneginf(a) # array([False, True, False])
# 显示哪些元素是有限的
np.isfinite(a) # array([False, False, True])
空值 np.nan
IEEE 754 标准中非数字（NaN，Not a Number）的浮点表示，代表没有值。NaN 和NAN 是 nan 的等效定义，一般请使用 nan，而不是 NAN。
# 浮点类型
type(np.nan)
# float
np.nan
# nan
np.nan == np.inf
# False
np.log(-1)
# nan
np.log([-1, 1, 2]) # RuntimeWarning: invalid value
# array([ NaN, 0. , 0.69314718])
两个常见的操作：
a = np.array([1, 2, np.nan])
# 显示哪些元素不是数字
np.isnan(a) # array([False, False, True])
# 显示哪些元素是有限的
np.isfinite(a) # array([ True, True, False])
圆周率 np.pi
圆周率 π 的值，值为 pi = 3.1415926535897932384626433… ，它是一个浮点：
type(np.pi)
# float
np.pi
# 3.141592653589793
自然数 e np.e
自然数 e 有时称它为欧拉数（Euler number）、纳皮尔常数，自然对数函数的底数。值为 e = 2.71828182845904523536028747135266249775724709369995…
type(np.e)
# float
np.e
# 2.718281828459045
欧拉常数 np.euler_gamma
欧拉常数又称欧拉-马斯克若尼常数，，值为 γ = 0.5772156649015328606065120900824024310421…
type(np.e)
# float
np.euler_gamma
# 0.5772156649015329
其他常量
以下几个非常用的常量，会的后继的操作中详细介绍用法。
新轴 np.newaxis
None 的便捷别名，对索引数组很有用。为便于将数组形状与表达式和赋值轻松匹配，可以在数组索引中使用 np.newaxis 对象添加大小为1的新尺寸。
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]])
'''
负零 np.NZERO
负零的浮点表示。NumPy 按 IEEE 算术二进制浮点标准（IEEE 754），负零被视为有限数。
np.NZERO
# -0.0
np.PZERO
# 0.0
np.isfinite([np.NZERO])
# array([ True])
np.isnan([np.NZERO])
# array([False])
np.isinf([np.NZERO])
# array([False])
正零 np.PZERO
正零的浮点表示，正零被视为有限数。
np.PZERO
# 0.0
np.NZERO
# -0.0
np.isfinite([np.PZERO])
# array([ True])
np.isnan([np.PZERO])
# array([False])
np.isinf([np.PZERO])
# array([False])
负无穷大 np.NINF
NumPy 使用 IEEE 算术二进制浮点标准（IEEE 754），这意味着非数字不等于无穷大。 同样，正无限不等于负无限，但是无穷大等于正无穷大。
np.NINF
# -inf
np.log(0)
# -inf
