np.inf 和 float('Inf') 之间的区别

Question

NumPynp.inf和float('Inf')之间有什么区别吗？float('Inf') == np.inf返回True，所以它们似乎是可以互换的，因此我想知道为什么 NumPy 定义了自己的"inf"常量，以及我什么时候应该使用一个常量而不是另一个常量(也考虑样式问题)？

Answer 1

TL，DR：没有区别，它们可以互换使用。

除了具有与math.inf和float('inf')相同的值：

>>> import math
>>> import numpy as np
>>> np.inf == float('inf')
True
>>> np.inf == math.inf
True

它还具有相同的类型：

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

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')相同的值和类型，这意味着它是可互换的。

使用np.inf的原因

1. 打字少了：

• np.inf(6 个字符)
• math.inf(8个字符;Python 3.5 中的新功能)
• float('inf')(12 个字符)

这意味着如果您已经导入了 NumPy，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比我需要用字符串调用float要容易得多。

此外，NumPy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

同样对于nan：

np.nan
np.NaN
np.NAN

常量
3. 是常量

这一点是基于CPython的，在另一个Python实现中可能完全不同。

一个float的CPython实例需要24个字节：

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

如果可以重用同一实例，则与创建大量新实例相比，可能会节省大量内存。当然，如果你创建自己的inf常量，这一点是无声的，但如果你不这样做，那么：

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

b将使用比a多 24 * 1000000字节(~23 MB)的内存。

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反驳这一点。但是，如果NumPy已经为您做了这件事，那又何必呢？