当然,你可以改变阵列的打印阈为answered elsewhere有:
np.set_printoptions(threshold=np.nan)
但取决于你想要什么看,可能有更好的方法来做到这一点。例如,如果你的阵列真正大多是零,你已经证明,并且要检查它是否有非零值,你可能看的东西,如:
import numpy as np
import matplotlib.pyplot as plt
In [1]: a = np.zeros((100,100))
In [2]: a
Out[2]:
array([[ 0., 0., 0., ..., 0., 0., 0.],
[ 0., 0., 0., ..., 0., 0., 0.],
[ 0., 0., 0., ..., 0., 0., 0.],
...,
[ 0., 0., 0., ..., 0., 0., 0.],
[ 0., 0., 0., ..., 0., 0., 0.],
[ 0., 0., 0., ..., 0., 0., 0.]])
更改一些值:
In [3]: a[4:19,5:20] = 1
它仍然看起来是一样的:
In [4]: a
Out[4]:
array([[ 0., 0., 0., ..., 0., 0., 0.],
[ 0., 0., 0., ..., 0., 0., 0.],
[ 0., 0., 0., ..., 0., 0., 0.],
...,
[ 0., 0., 0., ..., 0., 0., 0.],
[ 0., 0., 0., ..., 0., 0., 0.],
[ 0., 0., 0., ..., 0., 0., 0.]])
检查一些事情,不要求手动看着都值:
In [5]: a.sum()
Out[5]: 225.0
In [6]: a.mean()
Out[6]: 0.022499999999999999
或情节是:
In [7]: plt.imshow(a)
Out[7]: <matplotlib.image.AxesImage at 0x1043d4b50>
或保存到一个文件:
In [11]: np.savetxt('file.txt', a)

首秀打印类型的'(b)输出' – dkamins
等待一秒钟,是它'numpy'数组? – J0HN