Question

NumPy np.inf和float('Inf')之间有什么区别吗？ float('Inf') == np.inf返回True，所以看起来它们是可以互换的，因此我想知道为什么NumPy定义了自己的“inf”常量，何时我应该使用一个常量而不是另一个（考虑样式问题））？

Answer 1

TL，DR：没有区别，它们可以互换使用。

除了与math.inf和float('inf')具有相同的价值：

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

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

它也有相同的类型：

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

这很有趣，因为NumPy也有它自己的浮点类型：

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

因此它具有与math.inf和float('inf')相同的值和相同的类型，这意味着它可以互换。

使用`np.inf`

的原因

键入的内容更少：
- np.inf（6个字符）
- math.inf（8个字符; python 3.5中的新字符）
- float('inf')（12个字符）
这意味着如果你已经导入了NumPy，那么与float('inf')（或math.inf）相比，每次出现可以节省6（或2）个字符。
因为它更容易记住。

至少对我而言，记住np.inf要比使用字符串调用float要容易得多。

此外，NumPy还为无穷大定义了一些额外的别名：
```
np.Inf
np.inf
np.infty
np.Infinity
np.PINF
```
它还定义了负无穷大的别名：
```
np.NINF
```
同样适用于nan：
```
np.nan
np.NaN
np.NAN
```
常量是常量

这一点基于CPython，在另一个Python实现中可能完全不同。

float CPython实例需要24个字节：
```
>>> import sys
>>> sys.getsizeof(np.inf)
24
```
如果您可以重复使用同一个实例，那么与创建大量新实例相比，您可能会节省大量内存。当然，如果你创建自己的inf常量，那么这一点就是静音，但如果你没有，那么这就是：
```
a = [np.inf for _ in range(1000000)]
b = [float('inf') for _ in range(1000000)]
```
b将比a使用24 * 1000000字节（~23 MB）的内存。

访问常量比创建变量更快。

%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)

当然，您可以创建自己的常量来对抗这一点。但是，如果NumPy已经为你做了那件事，为什么还要费心呢。

np.inf和float（'Inf'）

1 个答案:

TL，DR：没有区别，它们可以互换使用。

使用`np.inf`

np.inf和float（'Inf'）

1 个答案:

TL，DR：没有区别，它们可以互换使用。

使用np.inf

使用`np.inf`