Python NumPy set_printoptions方法用法及代码示例

例子

基本用法

显示 3 个小数位：

np.set_printoptions(precision=3)
np.array([0.000005, 3.1416])



array([5.000e-06, 3.142e+00])

要获得未修复的 precision ，请传递 None ：

np.set_printoptions(precision=None)
np.array([3.14, 3.1416])



array([3.14 , 3.142])

指定阈值

默认情况下， threshold=1000 ，这意味着将汇总具有 1000 个或更多值的打印数组：

print(np.arange(1500))



[   0    1    2 ... 1497 1498 1499]

这意味着小数组不会被汇总：

print(np.arange(7))



[0 1 2 3 4 5 6]

我们可以设置一个阈值，这样即使是这些小数组也会被汇总：

np.set_printoptions(threshold=3)
np.arange(7)



array([0, 1, 2, ..., 4, 5, 6])

指定边项目

默认情况下， edgeitems=3 ，这意味着当汇总值时，左侧将显示 3 个值，右侧将显示 3 个值：

print(np.arange(1500))



[   0    1    2 ... 1497 1498 1499]

我们可以通过设置我们自己的 edgeitems 来自定义它：

np.set_printoptions(edgeitems=4)
print(np.arange(1500))



[   0    1    2    3 ... 1496 1497 1498 1499]

指定线宽

默认情况下， linewidth=75 ，这意味着每打印行最多可以有 75 个字符：

print(np.array([12, 34, 5]))



[12 34  5]

每行最多只打印 7 个字符：

np.set_printoptions(linewidth=7)
print(np.array([12, 34, 5]))



[12 34
  5]

指定抑制

要显示小于 1e-4 的数字的所有小数位：

np.set_printoptions(suppress=True)
print(np.array([1e-5]))



[0.00001]

suppress=False 的默认行为如下：

np.set_printoptions(suppress=False)
print(np.array([1e-5]))



[1.e-05]

指定nanstr

np.set_printoptions(nanstr="Missing!")
print(np.array([np.NaN, 3.14]))



[Missing!     3.14]

指定 infstr

np.set_printoptions(infstr="Infinity!")
print(np.array([np.inf, 3.14]))



[Infinity!      3.14]

指定标志

要显示正数的 + 符号：

np.set_printoptions(sign="+")
print(np.array([np.inf, 3.14, -2]))



[ +inf +3.14 -2.  ]

要在正数前面添加" "：

np.set_printoptions(sign=" ")
print(np.array([np.inf, 3.14, -2]))



[  inf  3.14 -2.  ]

这里很难看到，但添加了一个空格。

指定格式化程序

将所有布尔值 True 转换为 1 并将 False 转换为 "-1" 。

mapping = {
 "bool": lambda x: "1" if x else "-1"
}
np.set_printoptions(formatter=mapping)
print(np.array([True, False, True]))



[1 -1 1]

这里，请确保您在映射中返回一个字符串，否则将引发错误。

指定浮点数模式

固定的

要打印具有相同小数位的浮点数(即默认为 8)：

np.set_printoptions(floatmode="fixed")
print(np.array([5.05, 5.05001]))



[5.05000000 5.05001000]

独特

要打印具有最少小数位数的浮点数，以便唯一标识这些值：

np.set_printoptions(floatmode="unique")
print(np.array([5.05, 5.05001]))



[5.05    5.05001]

请注意，这会忽略 precision 参数。

最大预测值

与 unique 相同，但浮点数最多可以有 precision ：

np.set_printoptions(floatmode="maxprec", precision=4)
print(np.array([5.05, 5.052999]))



[5.05  5.053]

maxprec_equal

与 maxprec 相同，但浮点数都具有相同的 precision ：

np.set_printoptions(floatmode="maxprec_equal")
print(np.array([5.05, 5.05001]))



[5.05000 5.05001]