21 限制numpy array中的浮点数位数
例如：
输入
array([[0.11680849, 0.11692854, 0.55664153],
[0.39624703, 0.21608747, 0.90726919],
[0.40428186, 0.2740109 , 0.50701363],
[0.09602607, 0.52432811, 0.24766445],
[0.77502255, 0.42110488, 0.48407816]])
输出
array([[0.12, 0.12, 0.56],
[0.4 , 0.22, 0.91],
[0.4 , 0.27, 0.51],
[0.1 , 0.52, 0.25],
[0.78, 0.42, 0.48]])
numpy array中的浮点数默认保留小数点后面8位，我们可以通过np.set_printoptions(precision=2)来进行控制。precision用来控制小数点位数。
rand_arr = np.random.random((5,3))
np.set_printoptions(precision=2)
rand_arr
输出：
array([[0.12, 0.12, 0.56],
[0.4 , 0.22, 0.91],
[0.4 , 0.27, 0.51],
[0.1 , 0.52, 0.25],
[0.78, 0.42, 0.48]])
22 把numpy array中的浮点数当很小的时候会使用科学计数法来显示，修改显示方式按照习惯的十进制输出
例如：
输入
array([[5.43404942e-04, 2.78369385e-04, 4.24517591e-04],
[8.44776132e-04, 4.71885619e-06, 1.21569121e-04],
[6.70749085e-04, 8.25852755e-04, 1.36706590e-04]])
输出
array([[0.000543, 0.000278, 0.000425],
[0.000845, 0.000005, 0.000122],
[0.000671, 0.000826, 0.000137]])
np.random.seed(100)
rand_arr = np.random.random([3,3])/1e3
np.set_printoptions(suppress=True, precision=6) # precision is optional
rand_arr
输出
array([[0.000543, 0.000278, 0.000425],
[0.000845, 0.000005, 0.000122],
[0.000671, 0.000826, 0.000137]])
np.set_printoptions(suppress=True, precision=6) 中的suppress如果设置为False，则是使用科学计数法，True则不使用科学计数法。
23 控制array内部元素的显示长度，只显示6个，其他的以“... ”代替。
例如
a = np.arange(15)
a
正常输出
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14])
我们希望的输出
array([ 0, 1, 2, ..., 12, 13, 14])
np.set_printoptions(threshold=10)
a = np.arange(15)
a
输出
array([ 0, 1, 2, ..., 12, 13, 14])
np.set_printoptions(threshold=10)中的threshold=10代表长度超过10时，则只显示6个元素，其它的以“... ”代替。
24 取消上面示例中的截取操作，显示全部的元素。
例如：
a = np.arange(15)
a
输出为
array([ 0, 1, 2, ..., 12, 13, 14])
我们希望的输出
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14])
np.set_printoptions(threshold=1000)
a = np.arange(15)
a
输出
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14])
23，24两个示例中通过np.set_printoptions(threshold=1000)中的threshold来控制显示的长度。默认值就是1000。
25 从text格式的裸数据中导入数据到numpy中
例如：
text格式的裸数据如下
5.1,3.5,1.4,0.2,Iris-setosa
4.9,3.0,1.4,0.2,Iris-setosa
4.7,3.2,1.3,0.2,Iris-setosa
4.6,3.1,1.5,0.2,Iris-setosa
数据元素之间用,进行分隔，我们可以使用np.genfromtext方便的导入
url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
iris = np.genfromtxt(url, delimiter=',', dtype='object')
iris[:3]
输出：
array([[b'5.1', b'3.5', b'1.4', b'0.2', b'Iris-setosa'],
[b'4.9', b'3.0', b'1.4', b'0.2', b'Iris-setosa'],
[b'4.7', b'3.2', b'1.3', b'0.2', b'Iris-setosa'],
[b'4.6', b'3.1', b'1.5', b'0.2', b'Iris-setosa'],
[b'5.0', b'3.6', b'1.4', b'0.2', b'Iris-setosa'],
[b'5.4', b'3.9', b'1.7', b'0.4', b'Iris-setosa'],
[b'4.6', b'3.4', b'1.4', b'0.3', b'Iris-setosa'],
[b'5.0', b'3.4', b'1.5', b'0.2', b'Iris-setosa'],
[b'4.4', b'2.9', b'1.4', b'0.2', b'Iris-setosa'],
[b'4.9', b'3.1', b'1.5', b'0.1', b'Iris-setosa']], dtype=object)
网友评论