Полное руководство по печати массивов NumPy

Для вывода полного массива NumPy без усечения в Python можно воспользоваться несколькими методами, включая np.set_printoptions(threshold=np.inf) для установки порога отображения в бесконечность, либо np.set_printoptions(threshold=sys.maxsize) для установки максимального значения системы. Кроме того, можно использовать контекстные менеджеры, numpy.array2string() для пользовательского форматирования или преобразовать массивы в списки Python с помощью ndarray.tolist(). Эти подходы гарантируют отображение всех элементов массива независимо от его размера.

Содержание

• Основные методы полного отображения массива
• Использование контекстных менеджеров для временных настроек отображения
• Альтернативные подходы
• [Лучшие практики и соображения](#лучшие-практики-и- соображения)
• Сравнение методов

Основные методы полного отображения массива

Использование np.set_printoptions() с параметром threshold

Самый прямой способ – использовать numpy.set_printoptions() с параметром threshold, установленным в np.inf или sys.maxsize. Согласно обсуждению на Stack Overflow, np.set_printoptions(threshold=np.inf) меняет максимальный размер массива, который может быть напечатан, до бесконечности, так что массив никогда не усечется, независимо от его размера.

import numpy as np

# Установить порог в бесконечность
np.set_printoptions(threshold=np.inf)

# Создать большой массив, который обычно усечется
large_array = np.arange(10000)
print(large_array)

В качестве альтернативы, как упомянуто в GeeksforGeeks, можно использовать sys.maxsize:

import numpy as np
import sys

# Установить порог в максимальный размер системы
np.set_printoptions(threshold=sys.maxsize)

# Создать большой массив
large_array = np.arange(10000).reshape(250, 40)
print(large_array)

Установка конкретных значений порога

Если вы хотите контролировать точное число элементов до усечения, можно задать конкретное числовое значение для порога:

import numpy as np

# Установить порог в 1000 элементов
np.set_printoptions(threshold=1000)

# Массив с менее чем 1000 элементами отобразится полностью
small_array = np.arange(500)
print(small_array)  # Показаны все элементы

# Массив с более чем 1000 элементами будет усечён
large_array = np.arange(2000)
print(large_array)  # Усечён после 1000 элементов

Использование контекстных менеджеров для временных настроек отображения

Для ситуаций, когда вам нужно временно вывести полный массив без изменения глобальных настроек, NumPy предоставляет подход с контекстным менеджером:

import numpy as np
import sys

# Создать большой массив, который обычно усечется
large_array = np.arange(10000).reshape(250, 40)

# Использовать контекстный менеджер для временного полного отображения
with np.printoptions(threshold=sys.maxsize):
    print(large_array)  # Полное отображение внутри блока

# Вне контекста поведение усечения возвращается к нормальному
print("Normal display:")
print(large_array)  # Будет усечён

Этот подход особенно полезен при работе с большими наборами данных в функциях или скриптах, где вы не хотите постоянно менять глобальные настройки печати, как отмечено в уроке GeeksforGeeks.

Альтернативные подходы

Использование numpy.array2string() для пользовательского форматирования

Вы можете преобразовать массивы NumPy в строки с полным контролем над форматом отображения, используя numpy.array2string(). Как упомянуто в статье Towards Data Science, этот метод позволяет настроить вывод:

import numpy as np

# Создать большой массив
large_array = np.arange(10000).reshape(250, 40)

# Преобразовать в строку с полным отображением
complete_string = np.array2string(large_array, threshold=np.inf)
print(complete_string)

Функция array2string() предлагает дополнительные параметры для тонкой настройки вывода:

import numpy as np

large_array = np.arange(1000).reshape(50, 20)

# Настраиваемое строковое представление
custom_string = np.array2string(
    large_array, 
    threshold=np.inf,
    precision=3,
    suppress_small=True,
    separator=', ',
    edgeitems=10
)
print(custom_string)

Преобразование в списки Python

Другой простой подход – преобразовать массив NumPy в список Python, который не подчиняется правилам усечения NumPy:

import numpy as np

# Создать большой массив
large_array = np.arange(10000)

# Преобразовать в список (полное отображение)
array_as_list = large_array.tolist()
print(array_as_list)

Этот метод прост, но может быть неидеален для очень больших массивов из-за потребления памяти и потери специфического форматирования NumPy, как обсуждалось в статье Towards Data Science.

Использование настроек отображения pandas

При работе с DataFrame или когда pandas уже используется в рабочем процессе, можно воспользоваться настройками отображения pandas:

import numpy as np
import pandas as pd

# Создать большой массив
large_array = np.arange(10000).reshape(250, 40)

# Установить параметры отображения pandas
pd.set_option('display.max_rows', None)
pd.set_option('display.max_columns', None)

# Преобразовать в DataFrame и вывести
df = pd.DataFrame(large_array)
print(df)

# Сбросить настройки к умолчанию
pd.reset_option('display.max_rows')
pd.reset_option('display.max_columns')

Лучшие практики и соображения

Влияние на производительность

Обратите внимание, что печать очень больших массивов без усечения может значительно повлиять на производительность и использование памяти. Как отмечено в обсуждении на Stack Overflow, установка порога в бесконечность означает, что NumPy никогда не усечёт массивы, независимо от их размера.

Возврат к настройкам по умолчанию

После изменения настроек печати полезно вернуть их к значениям по умолчанию, когда они больше не нужны:

import numpy as np

# Сохранить текущие настройки печати
original_options = np.get_printoptions()

# Изменить для полного отображения
np.set_printoptions(threshold=np.inf)

# ... код, который печатает полные массивы ...

# Восстановить исходные настройки
np.set_printoptions(**original_options)

Соображения по памяти

Для чрезвычайно больших массивов рассмотрите альтернативные подходы, такие как:

• Запись в файл вместо вывода на экран
• Разделение на части для отображения
• Реализация пользовательских функций отображения с постраничным выводом

Сравнение методов

Источники

1. How do I print the full NumPy array, without truncation? - Stack Overflow
2. Print full Numpy array without truncation - GeeksforGeeks
3. How to Print a Full NumPy Array Without Truncation | Towards Data Science
4. Python NumPy: Print the full NumPy array, without truncation - w3resource
5. How do I print the full NumPy array, without truncation? - w3docs
6. NumPy: Set whether to print full or truncated ndarray | note.nkmk.me

Заключение

Вывод полного массива NumPy без усечения важен для отладки и проверки данных. Наиболее распространённые методы включают использование np.set_printoptions() с threshold=np.inf или threshold=sys.maxsize для глобального отключения усечения. Для временных нужд контекстные менеджеры предоставляют чистое решение без изменения глобальных настроек. Альтернативные подходы, такие как np.array2string(), предлагают более тонкий контроль над форматированием, а преобразование в списки обеспечивает простоту, но с повышенным потреблением памяти. При выборе метода учитывайте конкретные потребности: контекстные менеджеры идеальны для отладки внутри функций, array2string() лучше подходит для форматированного вывода, а глобальные изменения подходят для интерактивных сессий. Всегда учитывайте влияние на память и производительность при выводе очень больших массивов.