Mengatasi Pemangkasan dalam Pencetakan Tatasusunan NumPy
Apabila mencetak tatasusunan NumPy, adalah perkara biasa untuk menemui perwakilan terpotong, mengaburkan tahap penuh data. Pemangkasan ini boleh mengecewakan, terutamanya apabila berurusan dengan tatasusunan yang besar atau kompleks. Mujurlah, NumPy menyediakan penyelesaian kepada masalah ini.
Untuk mencetak tatasusunan NumPy penuh, tanpa mengira saiznya, gunakan fungsi numpy.set_printoptions. Fungsi ini membolehkan anda melaraskan tetapan pencetakan, termasuk ambang untuk memotong tatasusunan.
import sys import numpy # Set the printing threshold to infinity numpy.set_printoptions(threshold=sys.maxsize)
Dengan menetapkan ambang kepada sys.maxsize, anda dengan berkesan mengarahkan NumPy untuk mencetak keseluruhan tatasusunan tanpa memotongnya. Ini memastikan anda boleh melihat data penuh, mengelakkan sebarang kehilangan maklumat.
Andaikan anda mempunyai tatasusunan dengan 10,000 elemen:
>> numpy.arange(10000)
Output Dipenggal:
array([ 0, 1, 2, ..., 9997, 9998, 9999])
Output Penuh selepas menetapkan ambang:
array([ 0, 1, 2, ..., 9997, 9998, 9999])
Begitu juga, untuk tatasusunan berbilang dimensi, seperti satu bentuk semula untuk mempunyai 250 baris dan 40 lajur:
>> numpy.arange(10000).reshape(250, 40)
Output Dipenggal:
array([[ 0, 1, 2, ..., 37, 38, 39], [ 40, 41, 42, ..., 77, 78, 79], [ 80, 81, 82, ..., 117, 118, 119], ..., [9880, 9881, 9882, ..., 9917, 9918, 9919], [9920, 9921, 9922, ..., 9957, 9958, 9959], [9960, 9961, 9962, ..., 9997, 9998, 9999]])
Output Penuh selepas menetapkan ambang:
array([[ 0, 1, 2, ..., 37, 38, 39], [40, 41, 42, ..., 77, 78, 79], [80, 81, 82, ..., 117, 118, 119], ..., [9880, 9881, 9882, ..., 9917, 9918, 9919], [9920, 9921, 9922, ..., 9957, 9958, 9959], [9960, 9961, 9962, ..., 9997, 9998, 9999]])
Dengan melaraskan ambang pencetakan, anda boleh melihat keseluruhan kandungan anda dengan mudah Tatasusunan NumPy, memudahkan penerokaan dan analisis data.
Atas ialah kandungan terperinci Bagaimana untuk mengelakkan pemotongan pencetakan tatasusunan NumPy?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!