NumPy 1.14 - numpy.isinf()

numpy.isinf




numpy

numpy.isinf

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

सकारात्मक या नकारात्मक अनंत के लिए तत्व-वार का परीक्षण करें।

x रूप में एक ही आकार के एक बूलियन सरणी लौटाता है, जहां x == +/-inf , अन्यथा गलत 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 : बूल (स्केलर) या बूलियन नडर्रे

स्केलर इनपुट के लिए, परिणाम वैल्यू के साथ एक नया बूलियन है यदि इनपुट सकारात्मक या नकारात्मक अनंत है; अन्यथा मूल्य गलत है।

सरणी इनपुट के लिए, परिणाम एक बूलियन सरणी है जिसमें इनपुट और मान समान हैं, जहां इनपुट का संगत तत्व सकारात्मक या नकारात्मक अनंत है; कहीं और मूल्य गलत हैं। यदि एक दूसरे तर्क की आपूर्ति की गई थी तो परिणाम वहां जमा हो जाता है। यदि उस सरणी का प्रकार एक संख्यात्मक प्रकार है, तो परिणाम शून्य और लोगों के रूप में दर्शाया जाता है, यदि प्रकार बूलियन है, तो क्रमशः गलत और सत्य के रूप में। वापसी मान y तब उस सरणी का संदर्भ है।

यह भी देखें

isneginf , isposinf , isnan , isfinite

टिप्पणियाँ

NumPy Arithmetic (IEEE 754) के लिए बाइनरी फ्लोटिंग-पॉइंट के लिए IEEE मानक का उपयोग करता है।

त्रुटियों का परिणाम होता है यदि पहला तर्क एक स्केलर होने पर दूसरा तर्क दिया जाता है, या यदि पहले और दूसरे तर्क में अलग-अलग आकार होते हैं।

उदाहरण

>>> np.isinf(np.inf)
True
>>> np.isinf(np.nan)
False
>>> np.isinf(np.NINF)
True
>>> np.isinf([np.inf, -np.inf, 1.0, np.nan])
array([ True,  True, False, False])
>>> x = np.array([-np.inf, 0., np.inf])
>>> y = np.array([2, 2, 2])
>>> np.isinf(x, y)
array([1, 0, 1])
>>> y
array([1, 0, 1])