NumPy 1.14 - numpy.isfinite()

numpy.isfinite




numpy

numpy.isfinite

numpy.isfinite(x, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = <ufunc 'isfinite'>

परिमितता के लिए तत्व-वार परीक्षण (न कि अनंतता और न संख्या नहीं)।

परिणाम बूलियन सरणी के रूप में वापस आ जाता है।

पैरामीटर:

x : array_like

इनपुट मान

बाहर : ndarray, कोई नहीं, या tdle of ndarray और कोई नहीं, वैकल्पिक

एक स्थान जिसमें परिणाम संग्रहीत किया जाता है। यदि प्रदान किया जाता है, तो इसका एक आकार होना चाहिए जो कि इनपुट प्रसारित करता है यदि प्रदान नहीं किया गया है या None , तो एक ताज़ा-आवंटित सरणी वापस आ जाती है। एक ट्यूपल (केवल एक कीवर्ड तर्क के रूप में संभव) आउटपुट की संख्या के बराबर लंबाई होना चाहिए।

जहां : array_like, वैकल्पिक

सत्य के मान उस स्थिति में ufunc की गणना करने के लिए संकेत देते हैं, गलत के मान अकेले उत्पादन में मूल्य छोड़ने का संकेत देते हैं।

** kwargs

अन्य कीवर्ड-केवल तर्कों के लिए, ufunc डॉक्स देखें।

यह दिखाता है:

y : ndarray, बूल

स्केलर इनपुट के लिए, परिणाम मूल्य के साथ एक नया बूलियन है यदि इनपुट परिमित है तो यह सच है; अन्यथा मूल्य गलत है (इनपुट या तो सकारात्मक अनंत है, नकारात्मक अनंत या संख्या नहीं है)।

सरणी इनपुट के लिए, परिणाम इनपुट के समान आयाम के साथ बूलियन सरणी है और यदि इनपुट का तत्त्व तत्व परिमित है तो मान सत्य हैं; अन्यथा मान गलत हैं (तत्व या तो सकारात्मक अनंत है, नकारात्मक अनंत है या संख्या नहीं है)।

यह भी देखें

isinf , isneginf , isposinf , isnan

टिप्पणियाँ

संख्या नहीं, सकारात्मक अनंत और नकारात्मक अनंत को गैर-परिमित माना जाता है।

NumPy Arithmetic (IEEE 754) के लिए बाइनरी फ्लोटिंग-पॉइंट के लिए IEEE मानक का उपयोग करता है। इसका मतलब है कि नॉट नंबर एक अनंत के बराबर नहीं है। इसके अलावा कि सकारात्मक अनंत नकारात्मक अनंत के बराबर नहीं है। लेकिन अनंत सकारात्मक अनंत के बराबर है। त्रुटियों का परिणाम होता है यदि दूसरा तर्क भी दिया जाता है जब x एक अदिश इनपुट है, या यदि पहले और दूसरे तर्क में अलग-अलग आकार हैं।

उदाहरण

>>> np.isfinite(1)
True
>>> np.isfinite(0)
True
>>> np.isfinite(np.nan)
False
>>> np.isfinite(np.inf)
False
>>> np.isfinite(np.NINF)
False
>>> np.isfinite([np.log(-1.),1.,np.log(0)])
array([False,  True, False])
>>> x = np.array([-np.inf, 0., np.inf])
>>> y = np.array([2, 2, 2])
>>> np.isfinite(x, y)
array([0, 1, 0])
>>> y
array([0, 1, 0])