同一 numpy 数组中的不同十进制格式
Different decimal formats within same numpy array
我使用 X1 = np.reshape(input,(500, 3*40)) 的重塑方法将 3D NumPy 数组重塑为 2D。现在新的二维数组有不同的格式,例如,
几行具有以下格式 -
X1[8,:] has -
array([ 5557., 2001., 1434., 1348., 991., 1240., 1668., 1093.,
1680., 1476., 2521., 1841., 2443., 2295., 1911., 2491., and so on .... ])
而很少有其他行具有以下格式 -
X1[9,:] has -
array([3.69900e+04, 1.19090e+04, 1.12300e+04, 1.25170e+04, 6.91000e+03,
7.24700e+03, 8.31800e+03, 6.31000e+03, 8.96700e+03, 7.18100e+03,
1.03010e+04, 9.69800e+03, 1.29270e+04, 1.33140e+04, 1.00420e+04, and so on ... ])
由于它们的格式并不完全相同,我不确定在神经网络模型训练过程中是否会出现问题。我不确定如何在同一个 NumPy 数组中保持相同的十进制格式。
这对您来说不是问题,因为 5557. 和 1.03010e+04 都是浮动的。第二种数字格式(科学计数法只是为了显示(打印)数字)。
请记住,numpy 数组对于数组中的所有项只有一个数据提示,您可以使用 array.dtype 属性
获取它
我使用 X1 = np.reshape(input,(500, 3*40)) 的重塑方法将 3D NumPy 数组重塑为 2D。现在新的二维数组有不同的格式,例如,
几行具有以下格式 -
X1[8,:] has -
array([ 5557., 2001., 1434., 1348., 991., 1240., 1668., 1093.,
1680., 1476., 2521., 1841., 2443., 2295., 1911., 2491., and so on .... ])
而很少有其他行具有以下格式 -
X1[9,:] has -
array([3.69900e+04, 1.19090e+04, 1.12300e+04, 1.25170e+04, 6.91000e+03,
7.24700e+03, 8.31800e+03, 6.31000e+03, 8.96700e+03, 7.18100e+03,
1.03010e+04, 9.69800e+03, 1.29270e+04, 1.33140e+04, 1.00420e+04, and so on ... ])
由于它们的格式并不完全相同,我不确定在神经网络模型训练过程中是否会出现问题。我不确定如何在同一个 NumPy 数组中保持相同的十进制格式。
这对您来说不是问题,因为 5557. 和 1.03010e+04 都是浮动的。第二种数字格式(科学计数法只是为了显示(打印)数字)。
请记住,numpy 数组对于数组中的所有项只有一个数据提示,您可以使用 array.dtype 属性
获取它