Курс Python → Настройка вывода в Numpy

Библиотека Numpy предоставляет мощные инструменты для работы с массивами и матрицами в Python. Однако, при выводе результатов операций на экран, часто возникает проблема нечитаемого и непонятного формата вывода. Для управления этим выводом и улучшения его читаемости существует метод set_printoptions.

Метод set_printoptions принимает несколько аргументов, позволяющих настроить вывод по своему усмотрению. Например, аргумент precision позволяет указать количество отображаемых цифр после запятой. По умолчанию это значение равно 8. Другой аргумент, threshold, позволяет задать количество элементов в массиве, при достижении которого происходит обрезание вывода.

Дополнительно, с помощью аргумента edgeitems можно настроить количество выводимых элементов в начале и в конце каждой размерности массива. По умолчанию это значение равно 3. Аргумент linewidth определяет количество символов в строке, после которых происходит перенос. Значение по умолчанию — 75.

Еще один важный аргумент suppress, если установлен в True, не будет выводить маленькие значения в scientific notation. Это может быть полезно при работе с большими массивами данных. Есть также возможность настроить строковое представление для NaN и inf значений с помощью аргументов nanstr и infstr соответственно.


import numpy as np

# Настройка вывода с помощью set_printoptions
np.set_printoptions(precision=4, threshold=5, edgeitems=2, linewidth=80, suppress=True, nanstr='N/A', infstr='Infinity')

# Пример вывода массива с установленными опциями
arr = np.arange(10)
print(arr)

Приведенный выше пример демонстрирует настройку вывода массива с использованием метода set_printoptions. Установлены опции для отображения 4 знаков после запятой, обрезание при 5 элементах, вывод по 2 элемента в начале и в конце каждой размерности, перенос строк после 80 символов, подавление маленьких значений в scientific notation, а также замена NaN и inf значений на N/A и Infinity соответственно.

Твои коллеги будут рады, поделись в

Автор урока

Дмитрий Комаровский
Дмитрий Комаровский

Автоматизация процессов
в КраснодарБанки.ру

Другие уроки курса "Python"

  1. Подсчет элементов с помощью Counter из collections
  2. Concrete Paths — метод .with_suffix()
  3. Скачать видео с YouTube
  4. Создание списков в Python
  5. Улучшенные подсказки для импорта в Python 3.12
  6. Объединение строк с помощью метода join
  7. Транспонирование 2D-массива с помощью zip
  8. Обработка исключений в Python 3
  9. Работа со словарями с defaultdict из collections
  10. Преобразование данных в Python
  11. Оператор in для Python
  12. Атрибуты класса и экземпляра
  13. Стать Python-разработчиком
  14. Python Enumerate
  15. Обратный список чисел
  16. Оптимизация гиперпараметров в Python
  17. Создание графиков в терминале
  18. Приближение чисел в Python
  19. Отладка утечек памяти в Python
  20. Сравнение строк в Python
  21. Оператор == в Python
  22. Преобразование чисел в восьмеричную строку
  23. Преобразование символов в нижний регистр
  24. Тестирование времени с Freezegun
  25. Переворот строки с использованием цикла
  26. Сортировка данных в Python
  27. Библиотека funcy: удобные утилиты
  28. Codecademy в Telegram
  29. Обновление данных через PUT запрос
  30. Работа с GitHub в Telegram
  31. Операции с датами в Python
  32. Измерение времени выполнения кода
  33. Ускорение кода с помощью векторизации
  34. Python: библиотеки и функции
  35. Основы работы с базами данных в Python
  36. Использование двоеточия в Python
  37. Итерация по копии коллекции
  38. Создание уникального множества
  39. Python Метод del.
  40. Python Ellipsis использование
  41. globals и locals
  42. Работа с файлами в Python
  43. Вычисление натуральных логарифмов в NumPy
  44. Проблема с изменяемыми аргументами
  45. Установка виртуального окружения Python
  46. Поиск индексов подстроки
  47. Список переменных в Python

Marketello читают маркетологи из крутых компаний