Python in tất cả mà không cắt bớt

Question

NumPy là dạng viết tắt của Numerical Python. Nó được sử dụng cho các loại hoạt động khoa học khác nhau trong python. Numpy là một thư viện rộng lớn trong python được sử dụng cho hầu hết mọi loại hoạt động khoa học hoặc toán học. Bản thân nó là một mảng là tập hợp các phương thức và hàm khác nhau để xử lý các mảng

Nội dung chính Show

In mảng NumPy đầy đủ, không cắt bớt
In mảng bằng Truncation trong Python
In toàn bộ mảng NumPy mà không cắt bớt bằng cách sử dụng numpy. set_printoptions()
In toàn bộ mảng NumPy mà không cắt bớt bằng Sử dụng ngưỡng = np. inf
Đặt [ 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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200] 2 với a = np.arange(100).reshape((10, 10)) np.set_printoptions(threshold=100) print(a) # [[ 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]] np.set_printoptions(threshold=99) print(a) # [[ 0 1 2 .. 7 8 9] # [10 11 12 .. 17 18 19] # [20 21 22 .. 27 28 29] # ... # [70 71 72 .. 77 78 79] # [80 81 82 .. 87 88 89] # [90 91 92 .. 97 98 99]] 2
Nhận [ 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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200] 2 với a = np.arange(100).reshape((10, 10)) np.set_printoptions(threshold=100) print(a) # [[ 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]] np.set_printoptions(threshold=99) print(a) # [[ 0 1 2 .. 7 8 9] # [10 11 12 .. 17 18 19] # [20 21 22 .. 27 28 29] # ... # [70 71 72 .. 77 78 79] # [80 81 82 .. 87 88 89] # [90 91 92 .. 97 98 99]] 4
Luôn in phần [ 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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200] 0 bị cắt ngắn
Chỉ định có bao nhiêu phần tử để in. a = np.arange(100).reshape((10, 10)) np.set_printoptions(threshold=100) print(a) # [[ 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]] np.set_printoptions(threshold=99) print(a) # [[ 0 1 2 .. 7 8 9] # [10 11 12 .. 17 18 19] # [20 21 22 .. 27 28 29] # ... # [70 71 72 .. 77 78 79] # [80 81 82 .. 87 88 89] # [90 91 92 .. 97 98 99]] 6
Luôn in đầy đủ [ 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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200] 0 mà không cắt bớt
Bạn có thể sử dụng chức năng nào với NumPy để buộc nó in toàn bộ mảng?
Làm cách nào để in mảng np trong Python?

In mảng NumPy đầy đủ, không cắt bớt

Khi trình biên dịch xử lý một mảng NumPy lớn trong trình bao, trình thông dịch Python chỉ hiển thị một phần nhỏ/bị cắt bớt của mảng, biểu thị rằng một số giá trị bị thiếu trong biểu diễn ban đầu của mảng có ba dấu chấm

Chúng ta cần tìm cách để có thể in toàn bộ mảng dưới dạng đầu ra. Với mục đích này, chúng tôi sẽ sử dụng numpy. set_printoptions(). Với NumPy, có thể xóa phần cắt ngắn và hiển thị kết quả như hiện tại

Chúng tôi sẽ sử dụng np. set_printoptions() và truyền đối số ngưỡng=np. inf hoặc ngưỡng=sys. kích thước tối đa

Trong bài viết này, chúng ta sẽ xem cách chúng ta có thể in một mảng NumPy đầy đủ mà không cần cắt bớt trong Python. Cắt ngắn có nghĩa là làm cho một cái gì đó ngắn hơn. Trình thông dịch Python tự động cắt bớt các mảng NumPy lớn khi hiển thị chúng trong trình bao, lưu ý rằng một số phần tử nhất định bị bỏ qua trong thông tin văn bản của bộ sưu tập bằng ba dấu chấm '…'. Để giải quyết vấn đề này, chúng tôi sử dụng một số chiến lược mà chúng tôi sẽ xem xét bên dưới

In mảng bằng Truncation trong Python

import numpy as np
array = np.arange(1001)
print(array)

đầu ra

[ 0 1 2 .. 998 999 1000]

Để giải quyết vấn đề này, chúng tôi sẽ sử dụng một số phương pháp dưới đây

In toàn bộ mảng NumPy mà không cắt bớt bằng cách sử dụng numpy. set_printoptions()

các np. hàm set_printoptions có một thuộc tính được gọi là

# Importing required modules
import numpy as np
import sys

# Creating a 1-D array with 200 values
array = np.arange(201)

# Printing all values of array without truncation
np.set_printoptions(threshold=sys.maxsize)
print(array)

8 hoặc

# Importing required modules
import numpy as np
import sys

# Creating a 1-D array with 200 values
array = np.arange(201)

# Printing all values of array without truncation
np.set_printoptions(threshold=sys.maxsize)
print(array)

9. Điều này cho phép chúng tôi, người dùng in mảng mà không cần cắt bớt

Mã để in toàn bộ mảng NumPy mà không cắt bớt

# Importing required modules
import numpy as np
import sys

# Creating a 1-D array with 200 values
array = np.arange(201)

# Printing all values of array without truncation
np.set_printoptions(threshold=sys.maxsize)
print(array)

đầu ra

[ 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 99 100 101 102 103 104 105 106 107
108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125
126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143
144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161
162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179
180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197
198 199 200]

In toàn bộ mảng NumPy mà không cắt bớt bằng Sử dụng ngưỡng = np. inf

Ở đây, ngưỡng được đặt thành np. inf, dấu phẩy động tương đương với vô cực

# Importing important modules
import numpy as np
import sys

# Creating a 1-D array with 100 values
array = np.arange(101)

# this will gives us truncation free output.
np.set_printoptions(threshold=np.inf)
print(array)

Nó sẽ in mảng

Với ví dụ này, chúng tôi đã hoàn thành hướng dẫn của mình. Tìm hiểu, Vectorized Operations trong NumPy với các ví dụ

Khi xuất một mảng NumPy

[ 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 99 100 101 102 103 104 105 106 107
108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125
126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143
144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161
162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179
180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197
198 199 200]

0 với

[ 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 99 100 101 102 103 104 105 106 107
108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125
126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143
144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161
162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179
180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197
198 199 200]

1, nó có thể bị cắt bớt nếu số lượng phần tử lớn

Bạn có thể kiểm soát có cắt bớt hay không bằng cách đặt tham số

[ 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 99 100 101 102 103 104 105 106 107
108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125
126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143
144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161
162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179
180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197
198 199 200]

2 với

a = np.arange(100).reshape((10, 10))

np.set_printoptions(threshold=100)
print(a)
# [[ 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]]

np.set_printoptions(threshold=99)
print(a)
# [[ 0  1  2 ..  7  8  9]
#  [10 11 12 .. 17 18 19]
#  [20 21 22 .. 27 28 29]
#  ...
#  [70 71 72 .. 77 78 79]
#  [80 81 82 .. 87 88 89]
#  [90 91 92 .. 97 98 99]]

0

cục mịch. set_printoptions — NumPy v1. 14 Sách hướng dẫn

Bài viết này mô tả các nội dung sau

Đặt

[ 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 99 100 101 102 103 104 105 106 107
108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125
126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143
144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161
162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179
180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197
198 199 200]

2 với

a = np.arange(100).reshape((10, 10))

np.set_printoptions(threshold=100)
print(a)
# [[ 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]]

np.set_printoptions(threshold=99)
print(a)
# [[ 0  1  2 ..  7  8  9]
#  [10 11 12 .. 17 18 19]
#  [20 21 22 .. 27 28 29]
#  ...
#  [70 71 72 .. 77 78 79]
#  [80 81 82 .. 87 88 89]
#  [90 91 92 .. 97 98 99]]

2

Nhận

[ 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 99 100 101 102 103 104 105 106 107
108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125
126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143
144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161
162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179
180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197
198 199 200]

2 với

a = np.arange(100).reshape((10, 10))

np.set_printoptions(threshold=100)
print(a)
# [[ 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]]

np.set_printoptions(threshold=99)
print(a)
# [[ 0  1  2 ..  7  8  9]
#  [10 11 12 .. 17 18 19]
#  [20 21 22 .. 27 28 29]
#  ...
#  [70 71 72 .. 77 78 79]
#  [80 81 82 .. 87 88 89]
#  [90 91 92 .. 97 98 99]]

4

Luôn in phần

[ 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 99 100 101 102 103 104 105 106 107
108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125
126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143
144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161
162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179
180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197
198 199 200]

0 bị cắt ngắn

Chỉ định có bao nhiêu phần tử để in.

a = np.arange(100).reshape((10, 10))

np.set_printoptions(threshold=100)
print(a)
# [[ 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]]

np.set_printoptions(threshold=99)
print(a)
# [[ 0  1  2 ..  7  8  9]
#  [10 11 12 .. 17 18 19]
#  [20 21 22 .. 27 28 29]
#  ...
#  [70 71 72 .. 77 78 79]
#  [80 81 82 .. 87 88 89]
#  [90 91 92 .. 97 98 99]]

6

Luôn in đầy đủ

[ 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 99 100 101 102 103 104 105 106 107
108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125
126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143
144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161
162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179
180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197
198 199 200]

0 mà không cắt bớt

Cài đặt của

a = np.arange(100).reshape((10, 10))

np.set_printoptions(threshold=100)
print(a)
# [[ 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]]

np.set_printoptions(threshold=99)
print(a)
# [[ 0  1  2 ..  7  8  9]
#  [10 11 12 .. 17 18 19]
#  [20 21 22 .. 27 28 29]
#  ...
#  [70 71 72 .. 77 78 79]
#  [80 81 82 .. 87 88 89]
#  [90 91 92 .. 97 98 99]]

2 cũng áp dụng cho Jupyter Notebook

Liên kết được tài trợ

Đặt [ 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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200] 2 với a = np.arange(100).reshape((10, 10)) np.set_printoptions(threshold=100) print(a) # [[ 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]] np.set_printoptions(threshold=99) print(a) # [[ 0 1 2 .. 7 8 9] # [10 11 12 .. 17 18 19] # [20 21 22 .. 27 28 29] # ... # [70 71 72 .. 77 78 79] # [80 81 82 .. 87 88 89] # [90 91 92 .. 97 98 99]] 2

Nếu số lượng phần tử trong

[ 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 99 100 101 102 103 104 105 106 107
108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125
126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143
144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161
162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179
180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197
198 199 200]

0 lớn hơn giá trị được đặt trong

[ 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 99 100 101 102 103 104 105 106 107
108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125
126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143
144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161
162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179
180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197
198 199 200]

2, nó sẽ bị cắt bớt. Giá trị mặc định của

[ 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 99 100 101 102 103 104 105 106 107
108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125
126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143
144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161
162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179
180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197
198 199 200]

2 là

[ 0 1 2 .. 998 999 1000]

14

[ 0 1 2 .. 998 999 1000]

2

nguồn. numpy_set_printoptions_threshold. py

Trong trường hợp mảng nhiều chiều, số phần tử của cả mảng được so sánh với

[ 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 99 100 101 102 103 104 105 106 107
108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125
126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143
144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161
162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179
180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197
198 199 200]

2

Ví dụ, trong trường hợp mảng hai chiều, việc nó có bị cắt bớt hay không được xác định bởi tổng số phần tử không phụ thuộc vào số hàng và số cột.

a = np.arange(100).reshape((10, 10))

np.set_printoptions(threshold=100)
print(a)
# [[ 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]]

np.set_printoptions(threshold=99)
print(a)
# [[ 0  1  2 ..  7  8  9]
#  [10 11 12 .. 17 18 19]
#  [20 21 22 .. 27 28 29]
#  ...
#  [70 71 72 .. 77 78 79]
#  [80 81 82 .. 87 88 89]
#  [90 91 92 .. 97 98 99]]

nguồn. numpy_set_printoptions_threshold. py

Nhận [ 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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200] 2 với a = np.arange(100).reshape((10, 10)) np.set_printoptions(threshold=100) print(a) # [[ 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]] np.set_printoptions(threshold=99) print(a) # [[ 0 1 2 .. 7 8 9] # [10 11 12 .. 17 18 19] # [20 21 22 .. 27 28 29] # ... # [70 71 72 .. 77 78 79] # [80 81 82 .. 87 88 89] # [90 91 92 .. 97 98 99]] 4

Bạn có thể lấy giá trị hiện tại của

[ 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 99 100 101 102 103 104 105 106 107
108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125
126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143
144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161
162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179
180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197
198 199 200]

2 với

[ 0 1 2 .. 998 999 1000]

19

[ 0 1 2 .. 998 999 1000]

1

nguồn. numpy_set_printoptions_threshold. py

Luôn in phần [ 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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200] 0 bị cắt ngắn

Nếu

[ 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 99 100 101 102 103 104 105 106 107
108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125
126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143
144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161
162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179
180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197
198 199 200]

2 được đặt thành

[ 0 1 2 .. 998 999 1000]

72, thì

[ 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 99 100 101 102 103 104 105 106 107
108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125
126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143
144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161
162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179
180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197
198 199 200]

0 sẽ luôn bị cắt bớt nếu có thể

[ 0 1 2 .. 998 999 1000]

7

nguồn. numpy_set_printoptions_threshold. py

Liên kết được tài trợ

Chỉ định có bao nhiêu phần tử để in. a = np.arange(100).reshape((10, 10)) np.set_printoptions(threshold=100) print(a) # [[ 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]] np.set_printoptions(threshold=99) print(a) # [[ 0 1 2 .. 7 8 9] # [10 11 12 .. 17 18 19] # [20 21 22 .. 27 28 29] # ... # [70 71 72 .. 77 78 79] # [80 81 82 .. 87 88 89] # [90 91 92 .. 97 98 99]] 6

Đặt

a = np.arange(100).reshape((10, 10))

np.set_printoptions(threshold=100)
print(a)
# [[ 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]]

np.set_printoptions(threshold=99)
print(a)
# [[ 0  1  2 ..  7  8  9]
#  [10 11 12 .. 17 18 19]
#  [20 21 22 .. 27 28 29]
#  ...
#  [70 71 72 .. 77 78 79]
#  [80 81 82 .. 87 88 89]
#  [90 91 92 .. 97 98 99]]

6 để xác định số lượng phần tử sẽ được in trên cạnh

Giá trị mặc định của

a = np.arange(100).reshape((10, 10))

np.set_printoptions(threshold=100)
print(a)
# [[ 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]]

np.set_printoptions(threshold=99)
print(a)
# [[ 0  1  2 ..  7  8  9]
#  [10 11 12 .. 17 18 19]
#  [20 21 22 .. 27 28 29]
#  ...
#  [70 71 72 .. 77 78 79]
#  [80 81 82 .. 87 88 89]
#  [90 91 92 .. 97 98 99]]

6 là

[ 0 1 2 .. 998 999 1000]

77, vì vậy nếu kích thước của mỗi chiều của

[ 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 99 100 101 102 103 104 105 106 107
108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125
126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143
144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161
162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179
180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197
198 199 200]

0 nhỏ hơn hoặc bằng

[ 0 1 2 .. 998 999 1000]

79 thì nó sẽ không bị cắt bớt bất kể giá trị của

[ 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 99 100 101 102 103 104 105 106 107
108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125
126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143
144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161
162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179
180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197
198 199 200]

2 như trong ví dụ trên

# Importing required modules
import numpy as np
import sys

# Creating a 1-D array with 200 values
array = np.arange(201)

# Printing all values of array without truncation
np.set_printoptions(threshold=sys.maxsize)
print(array)

4

nguồn. numpy_set_printoptions_threshold. py

Luôn in đầy đủ [ 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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200] 0 mà không cắt bớt

Nếu

[ 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 99 100 101 102 103 104 105 106 107
108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125
126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143
144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161
162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179
180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197
198 199 200]

2 được đặt thành vô cùng

# Importing required modules
import numpy as np
import sys

# Creating a 1-D array with 200 values
array = np.arange(201)

# Printing all values of array without truncation
np.set_printoptions(threshold=sys.maxsize)
print(array)

43, các phần tử đầy đủ sẽ luôn được in mà không bị cắt bớt

# Importing required modules
import numpy as np
import sys

# Creating a 1-D array with 200 values
array = np.arange(201)

# Printing all values of array without truncation
np.set_printoptions(threshold=sys.maxsize)
print(array)

6

nguồn. numpy_set_printoptions_threshold. py

Tuy nhiên, có thể an toàn hơn nếu sử dụng một giá trị phù hợp thay vì

# Importing required modules
import numpy as np
import sys

# Creating a 1-D array with 200 values
array = np.arange(201)

# Printing all values of array without truncation
np.set_printoptions(threshold=sys.maxsize)
print(array)

43 vì nó có thể vô tình hiển thị một giá trị lớn

[ 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 99 100 101 102 103 104 105 106 107
108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125
126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143
144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161
162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179
180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197
198 199 200]

0

Bạn có thể sử dụng chức năng nào với NumPy để buộc nó in toàn bộ mảng?

Sử dụng phương thức set_printoptions . set_printoptions là một phương thức được sử dụng để định cấu hình các tùy chọn hiển thị, chẳng hạn như cách mảng, số dấu phẩy động và các đối tượng numpy khác được hiển thị cho đầu ra tiêu chuẩn