np.inf和float('Inf')之间的区别

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.

除了具有相同的值math.inf和float('inf'):

>>> 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

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

使用原因 np.inf

1. 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)

   这意味着如果您已经导入了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.

2. 因为它更容易记住.

   至少对我来说,记住np.inf要比float用字符串调用要容易得多.

   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
   

   同样地nan:

   np.nan
   np.NaN
   np.NAN
   

3. 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.

   一个floatCPython的情况下需要24个字节:

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

   如果您可以重复使用相同的实例,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,这一点就是静音,但如果不这样做,那么:

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

   b将使用24*1000000字节(~23 MB)的内存a.

4. 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,为什么还要烦恼呢.