np.inf 和 float('Inf') 的區別

Question

NumPy np.inf和float('Inf')之間有什么區別嗎？ float('Inf') == np.inf返回True ，所以看起來它們是可以互換的，因此我想知道為什么 NumPy 定義了自己的“inf”常量，我什么時候應該使用一個常量而不是另一個（考慮樣式也有顧慮）？

Answer 1

TL、DR：沒有區別，它們可以互換使用。

除了與math.inf和float('inf')具有相同的值：

>>> import math
>>> import numpy as np

>>> np.inf == float('inf')
True
>>> np.inf == math.inf
True

它也有相同的類型：

>>> import numpy as np
>>> type(np.inf)
float
>>> type(np.inf) is type(float('inf'))
float

這很有趣，因為 NumPy 也有它自己的浮點類型：

>>> np.float32(np.inf)
inf
>>> type(np.float32(np.inf))
numpy.float32
>>> np.float32('inf') == np.inf  # nevertheless equal
True

因此它與math.inf和float('inf')具有相同的值和相同的類型，這意味着它是可以互換的。

使用np.inf原因

1. 輸入更少：

   • np.inf （6 個字符）
   • math.inf （8 個字符；python 3.5 中的新內容）
   • float('inf') （12 個字符）

   這意味着如果您已經導入了 NumPy，與float('inf') （或math.inf ）相比，每次出現您可以節省 6（或 2）個字符。

2. 因為更容易記住。

   至少對我來說，記住np.inf比我需要用字符串調用float容易得多。

   此外，NumPy 還為無窮大定義了一些額外的別名：

    np.Inf np.inf np.infty np.Infinity np.PINF

   它還定義了負無窮大的別名：

    np.NINF

   同樣對於nan ：

    np.nan np.NaN np.NAN

3. 常數就是常數

   這一點基於 CPython，在另一個 Python 實現中可能完全不同。

   一個float CPython 實例需要 24 個字節：

    >>> import sys >>> sys.getsizeof(np.inf) 24

   如果您可以重用同一個實例，與創建大量新實例相比，您可能會節省大量內存。 當然，如果您創建自己的inf常量，這一點是inf但如果您不這樣做：

    a = [np.inf for _ in range(1000000)] b = [float('inf') for _ in range(1000000)]

   b將使用比a多 24 * 1000000 字節（~23 MB）的內存。

4. 訪問常量比創建變量快。

    %timeit np.inf 37.9 ns ± 0.692 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each) %timeit float('inf') 232 ns ± 13.9 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each) %timeit [np.inf for _ in range(10000)] 552 µs ± 15.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) %timeit [float('inf') for _ in range(10000)] 2.59 ms ± 78.7 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

   當然，您可以創建自己的常量來反駁這一點。 但是如果 NumPy 已經為你做了那又何必呢。