numpy.isinf

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

Проверка элементов на положительную или отрицательную бесконечность.

Возвращает булеву массив того же размера, что и x, со значением True, где x == +/-inf, иначе False.

Параметры:

x : array_like Входные значения out : ndarray, None, или кортеж ndarray и None, необязательно Место, куда сохраняется результат. Если указано, должно иметь форму, к которой входные данные векторизуются. Если не указано или None, возвращается вновь выделенный массив. Кортеж (возможен только как ключевой параметр) должен иметь длину, равную числу выходных значений. where : array_like, необязательно Значения True указывают на вычисление ufunc в этой позиции, значения False указывают на то, чтобы оставить значение в выходе без изменения. **kwargs Для других ключевых параметров см. документацию ufunc.

Возвращаемое значение:

y : bool (скаляр) или булевой ndarray Для скалярного входа результатом является новый булевый массив со значением True, если входное значение является положительной или отрицательной бесконечностью; в противном случае значение равно False. Для массива входных данных результатом является булевой массив с той же формой, что и входной, и значениями True там, где соответствующий элемент входных данных является положительной или отрицательной бесконечностью; в противном случае значения равны False. Если был предоставлен второй аргумент, результат сохраняется там. Если тип этого массива — числовой, результат представляется как нули и единицы; если тип — булевый, то как False и True соответственно. Возвращаемое значение y — ссылка на этот массив.

См. также

isneginf, isposinf, isnan, isfinite

Примечания

NumPy использует стандарт IEEE для двоичной арифметики с плавающей запятой (IEEE 754).

Возникают ошибки, если второй аргумент предоставляется, когда первый аргумент является скаляром, или если первый и второй аргументы имеют разные формы.

Примеры

>>> 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], dtype=bool)

>>> 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])