Вопрос-Ответ

How do I print the full NumPy array, without truncation?

Как мне напечатать полный массив NumPy без усечения?

Когда я печатаю массив numpy, я получаю усеченное представление, но мне нужен полный массив.

>>> 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]])
Переведено автоматически
Ответ 1

Использование numpy.set_printoptions:

import sys
import numpy
numpy.set_printoptions(threshold=sys.maxsize)
Ответ 2
import numpy as np
np.set_printoptions(threshold=np.inf)

Я предлагаю использовать np.inf вместо np.nan того, что предлагают другие. Они оба подходят для вашей цели, но, установив пороговое значение в "бесконечность", всем, кто читает ваш код, становится очевидно, что вы имеете в виду. Наличие порога "не число" кажется мне немного расплывчатым.

Ответ 3

Временная настройка

Вы можете использовать printoptions context manager:

with numpy.printoptions(threshold=numpy.inf):
print(arr)

(конечно, замените numpy на np, если вы импортировали именно так numpy)

Использование диспетчера контекста (with-block) гарантирует, что после завершения работы диспетчера контекста параметры печати вернутся к тем, которые были до запуска блока. Это гарантирует, что настройка временная и применяется только к коду внутри блока.

Смотрите numpy.printoptions документацию для получения подробной информации о менеджере контекста и о том, какие другие аргументы он поддерживает. Он был представлен в NumPy 1.15 (выпущен 2018-07-23).

Ответ 4

Предыдущие ответы правильные, но в качестве более слабой альтернативы вы можете преобразовать в список:

>>> 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]]
python arrays numpy