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. Установка и использование pyshorteners
  2. Распаковка элементов последовательности
  3. Переворот строки с помощью срезов
  4. SciPy: широкий функционал для математических операций
  5. Метод count в Python: почему count(», ») возвращает 4?
  6. Отладка в командной строке
  7. Цикл while в Python
  8. Работа с timedelta в Python
  9. Фильтрация списка от «ложных» значений
  10. Экспорт данных с помощью writefile
  11. Работа с модулем Calendar
  12. Основные операции с библиотекой Numpy
  13. Проверка файла .py на синтаксис.
  14. Создание новых функций через partial
  15. Работа с модулем random
  16. Измерение времени выполнения кода
  17. Проверка списка: any() и all()
  18. Транспонирование 2D-массива с помощью zip
  19. Настройка вывода в Numpy
  20. Функция enumerate в Python
  21. Проверка на палиндром
  22. Добавление кнопки в tkinter
  23. Работа с enumerate()
  24. Проверка подстроки в строке с помощью in
  25. Работа с утверждениями в Python
  26. Возврат значений из генератора
  27. Основы работы с базами данных в Python
  28. Вычисление времени выполнения
  29. Метод join() для объединения элементов
  30. Основы работы со списками
  31. Установка и использование Virtualenv
  32. Разделение строки на подстроки в Python
  33. Определение локальных переменных в Python
  34. Создание словаря с значением по умолчанию
  35. Создание словарей в Python
  36. Установка виртуального окружения Python
  37. Применение промокода в Много лосося
  38. Работа с IP-адресами в Python
  39. Декоратор Ajax required
  40. Генерация случайных чисел в Python
  41. Протокол управления контекстом
  42. Измерение времени выполнения кода
  43. Основы слова
  44. Многопоточность в Python
  45. Работа с SQLite в Python
  46. Философия Python

Marketello читают маркетологи из крутых компаний