Python NumPy set_printoptions方法用法及代碼示例

例子

基本用法

顯示 3 個小數位：

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



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

要獲得未修複的 precision ，請傳遞 None ：

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



array([3.14 , 3.142])

指定閾值

默認情況下， threshold=1000 ，這意味著將匯總具有 1000 個或更多值的打印數組：

print(np.arange(1500))



[   0    1    2 ... 1497 1498 1499]

這意味著小數組不會被匯總：

print(np.arange(7))



[0 1 2 3 4 5 6]

我們可以設置一個閾值，這樣即使是這些小數組也會被匯總：

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



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

指定邊項目

默認情況下， edgeitems=3 ，這意味著當匯總值時，左側將顯示 3 個值，右側將顯示 3 個值：

print(np.arange(1500))



[   0    1    2 ... 1497 1498 1499]

我們可以通過設置我們自己的 edgeitems 來自定義它：

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



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

指定線寬

默認情況下， linewidth=75 ，這意味著每打印行最多可以有 75 個字符：

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



[12 34  5]

每行最多隻打印 7 個字符：

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



[12 34
  5]

指定抑製

要顯示小於 1e-4 的數字的所有小數位：

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



[0.00001]

suppress=False 的默認行為如下：

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]

指定標誌

要顯示正數的 + 符號：

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



[ +inf +3.14 -2.  ]

要在正數前麵添加" "：

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



[  inf  3.14 -2.  ]

這裏很難看到，但添加了一個空格。

指定格式化程序

將所有布爾值 True 轉換為 1 並將 False 轉換為 "-1" 。

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



[1 -1 1]

這裏，請確保您在映射中返回一個字符串，否則將引發錯誤。

指定浮點數模式

固定的

要打印具有相同小數位的浮點數(即默認為 8)：

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



[5.05000000 5.05001000]

獨特

要打印具有最少小數位數的浮點數，以便唯一標識這些值：

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



[5.05    5.05001]

請注意，這會忽略 precision 參數。

最大預測值

與 unique 相同，但浮點數最多可以有 precision ：

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



[5.05  5.053]

maxprec_equal

與 maxprec 相同，但浮點數都具有相同的 precision ：

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



[5.05000 5.05001]