当我打印一个numpy数组时,我得到一个截断的表示,但我想要完整的数组。
有没有办法做到这一点?
示例:
>>> numpy.arange(10000)
array([ 0, 1, 2, ..., 9997, 9998, 9999])
>>> numpy.arange(10000).reshape(250,40)
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]])
答案 0 :(得分:470)
import sys
import numpy
numpy.set_printoptions(threshold=sys.maxsize)
答案 1 :(得分:184)
import numpy as np
np.set_printoptions(threshold=np.inf)
我建议使用np.inf
代替其他人建议的np.nan
。它们都可以用于您的目的,但是通过将阈值设置为"无穷大"很明显,每个人都在阅读你的代码是什么意思。阈值为"不是数字"对我来说似乎有点模糊。
答案 2 :(得分:60)
之前的答案是正确的答案,但作为一个较弱的选择,您可以转换为列表:
>>> numpy.arange(100).reshape(25,4).tolist()
[[0, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 11], [12, 13, 14, 15], [16, 17, 18, 19], [20, 21,
22, 23], [24, 25, 26, 27], [28, 29, 30, 31], [32, 33, 34, 35], [36, 37, 38, 39], [40, 41,
42, 43], [44, 45, 46, 47], [48, 49, 50, 51], [52, 53, 54, 55], [56, 57, 58, 59], [60, 61,
62, 63], [64, 65, 66, 67], [68, 69, 70, 71], [72, 73, 74, 75], [76, 77, 78, 79], [80, 81,
82, 83], [84, 85, 86, 87], [88, 89, 90, 91], [92, 93, 94, 95], [96, 97, 98, 99]]
答案 3 :(得分:40)
这听起来像你正在使用numpy。
如果是这种情况,您可以添加:
import numpy as np
np.set_printoptions(threshold=np.nan)
这将禁用角落打印。有关详细信息,请参阅此NumPy Tutorial。
答案 4 :(得分:30)
这是一种一次性的方式,如果您不想更改默认设置,这将非常有用:
def fullprint(*args, **kwargs):
from pprint import pprint
import numpy
opt = numpy.get_printoptions()
numpy.set_printoptions(threshold='nan')
pprint(*args, **kwargs)
numpy.set_printoptions(**opt)
答案 5 :(得分:25)
将上下文管理器用作Paul Price sugggested
import numpy as np
class fullprint:
'context manager for printing full numpy arrays'
def __init__(self, **kwargs):
kwargs.setdefault('threshold', np.inf)
self.opt = kwargs
def __enter__(self):
self._opt = np.get_printoptions()
np.set_printoptions(**self.opt)
def __exit__(self, type, value, traceback):
np.set_printoptions(**self._opt)
a = np.arange(1001)
with fullprint():
print(a)
print(a)
with fullprint(threshold=None, edgeitems=10):
print(a)
答案 6 :(得分:18)
如果您使用NumPy 1.15(于2018年7月23日发布)或更高版本,则可以使用printoptions
上下文管理器:
with numpy.printoptions(threshold=numpy.inf):
print(arr)
(当然,如果导入的是numpy
,则将np
替换为numpy
)
使用上下文管理器(with
块)可确保在上下文管理器完成后,打印选项将恢复为块开始之前的状态。这样可以确保设置是临时的,并且仅应用于块内的代码。
有关上下文管理器及其支持的其他参数的详细信息,请参见numpy.printoptions
documentation。
答案 7 :(得分:10)
<强> numpy.savetxt
强>
numpy.savetxt(sys.stdout, numpy.arange(10000))
或者如果你需要一个字符串:
import StringIO
sio = StringIO.StringIO()
numpy.savetxt(sio, numpy.arange(10000))
s = sio.getvalue()
print s
默认输出格式为:
0.000000000000000000e+00
1.000000000000000000e+00
2.000000000000000000e+00
3.000000000000000000e+00
...
并且可以使用其他参数进行配置。
请特别注意这也不会显示方括号,并允许进行大量自定义,如下所述:How to print a Numpy array without brackets?
在Python 2.7.12上测试,numpy 1.11.1。
答案 8 :(得分:9)
这是一个小小的修改(删除了将set_printoptions)
import numpy as np
from contextlib import contextmanager
@contextmanager
def show_complete_array():
oldoptions = np.get_printoptions()
np.set_printoptions(threshold=np.inf)
try:
yield
finally:
np.set_printoptions(**oldoptions)
的{{1}}传递给其他参数的选项。
它展示了如何使用neok轻松创建具有较少代码行的上下文管理器:
a = np.arange(1001)
print(a) # shows the truncated array
with show_complete_array():
print(a) # shows the complete array
print(a) # shows the truncated array (again)
在您的代码中,它可以像这样使用:
uses-permission#android.permission.RECORD_AUDIO
ADDED from /home/jack/AndroidProject/ApiDemos/app/src/main/AndroidManifest.xml:45:5-71
android:name
ADDED from /home/jack/AndroidProject/ApiDemos/app/src/main/AndroidManifest.xml:45:22-68
uses-permission#android.permission.CAMERA
ADDED from /home/jack/AndroidProject/ApiDemos/app/src/main/AndroidManifest.xml:49:5-65
android:name
ADDED from /home/jack/AndroidProject/ApiDemos/app/src/main/AndroidManifest.xml:49:22-62
答案 9 :(得分:5)
答案 10 :(得分:5)
稍作修改:(因为您要打印大量列表)
import numpy as np
np.set_printoptions(threshold=np.inf, linewidth=200)
x = np.arange(1000)
print(x)
这将增加每行的字符数(默认线宽为75)。使用任何您喜欢的值作为适合您的编码环境的线宽。通过每行添加更多字符,这将使您不必遍历大量输出行。
答案 11 :(得分:5)
从最大列数(以numpy.set_printoptions(threshold=numpy.nan)
固定)开始,与此answer互补,还显示了一个字符限制。在某些环境中,例如从bash调用python(而不是交互式会话)时,可以通过如下设置参数linewidth
来解决此问题。
import numpy as np
np.set_printoptions(linewidth=2000) # default = 75
Mat = np.arange(20000,20150).reshape(2,75) # 150 elements (75 columns)
print(Mat)
在这种情况下,您的窗口应限制用于换行的字符数。
对于那些使用sublime文本并希望在输出窗口中查看结果的用户,应该将构建选项"word_wrap": false
添加到sublime-build文件[source]中。
答案 12 :(得分:3)
如果您使用的是 jupyter 笔记本,我发现这是一次性案例的最简单解决方案。基本上将 numpy 数组转换为列表,然后转换为字符串,然后打印。这样做的好处是将逗号分隔符保留在数组中,而使用 numpyp.printoptions(threshold=np.inf)
则不会:
import numpy as np
print(str(np.arange(10000).reshape(250,40).tolist()))
答案 13 :(得分:2)
假设你有一个numpy数组
arr = numpy.arange(10000).reshape(250,40)
如果你想以一次性的方式打印整个数组(没有切换np.set_printoptions),但想要比上下文管理器更简单(更少的代码),只需要做
for row in arr:
print row
答案 14 :(得分:2)
如果您使用的是 Jupyter,请尝试使用 variable inspector 扩展。您可以单击每个变量以查看整个数组。
答案 15 :(得分:1)
您可以使用array2string
功能-docs。
a = numpy.arange(10000).reshape(250,40)
print(numpy.array2string(a, threshold=numpy.nan, max_line_width=numpy.nan))
# [Big output]
答案 16 :(得分:1)
从NumPy 1.16版本开始,有关更多详细信息,请参见GitHub ticket 12251。
from sys import maxsize
from numpy import set_printoptions
set_printoptions(threshold=maxsize)
答案 17 :(得分:1)
您不会总是希望打印所有项目,尤其是对于大型阵列。
显示更多项目的简单方法:
In [349]: ar
Out[349]: array([1, 1, 1, ..., 0, 0, 0])
In [350]: ar[:100]
Out[350]:
array([1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0, 1,
1, 1, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1])
默认情况下,当切片数组<1000时,效果很好。
答案 18 :(得分:0)
要关闭它并返回正常模式
np.set_printoptions(threshold=False)
答案 19 :(得分:0)
如果有熊猫,
numpy.arange(10000).reshape(250,40)
print(pandas.DataFrame(a).to_string(header=False, index=False))
避免了需要重置numpy.set_printoptions(threshold=sys.maxsize)
的副作用,并且不会得到numpy.array和方括号。我发现这很方便将大量数组转储到日志文件中
答案 20 :(得分:-2)
如果数组太大而无法打印,NumPy会自动跳过数组的中心部分并仅打印角落:
要禁用此行为并强制NumPy打印整个阵列,您可以使用set_printoptions
更改打印选项。
>>> np.set_printoptions(threshold='nan')
<强> 或 强>
>>> np.set_printoptions(edgeitems=3,infstr='inf',
... linewidth=75, nanstr='nan', precision=8,
... suppress=False, threshold=1000, formatter=None)
您还可以参考numpy documentation numpy documentation for "or part"获取更多帮助。