IEEE 754 浮点特殊值

在 NumPy 中定义的特殊值可以通过：nan，inf，

NaNs 可以用作简陋的占位类型（如果你并不在乎初始的值是什么的话）

注意：不能使用相等来测试 NaN。例如：

>>> myarr = np.array([1., 0., np.nan, 3.])>>> np.nonzero(myarr == np.nan)(array([], dtype=int64),)>>> np.nan == np.nan  # is always False! Use special numpy functions instead.False>>> myarr[myarr == np.nan] = 0. # doesn't work>>> myarrarray([  1.,   0.,  NaN,   3.])>>> myarr[np.isnan(myarr)] = 0. # use this instead find>>> myarrarray([ 1.,  0.,  0.,  3.])

其他的相关的特殊值判断函数

isinf():    True if value is infisfinite(): True if not nan or infnan_to_num(): Map nan to 0, inf to max float, -inf to min float

除了从结果中排除nans之外，以下内容对应于常用函数：

nansum()nanmax()nanmin()nanargmax()nanargmin()>>> x = np.arange(10.)>>> x[3] = np.nan>>> x.sum()nan>>> np.nansum(x)42.0

NumPy 如何处理数字异常的

默认值为 Warn 表示无效、Divide和溢出，Ignore表示下溢。
但是这是可以更改的，并且可以针对不同种类的异常单独设置。不同的行为包括：

• 'ignore'：发生异常时不采取任何措施。
• 'warn'：打印 RuntimeWarning （通过Python warnings

• 模块）。
• 'raise'：引发 FloatingPointError 。
• 'call'：调用使用 seterrcall 函数指定的函数。
• 'print'：直接打印警告stdout。
• 'log'：在 seterrcall 指定的Log对象中记录错误。

可以针对各种错误或特定错误设置这些行为：

• all：适用于所有数字异常
• 无效：生成NaN时
• 除以：除以零（对于整数！）
• 溢出：浮点溢出
• 下溢：浮点下溢

注意，整数除零由相同的机器处理。这些行为是基于每个线程设置的。

。。。。。。。。。。。。。

作者：柯广

篇幅有限更多请见扩展链接：http://www.mark-to-win.com/tutorial/52206.html