将 numpy 对象类型转换为浮点类型

Question

df.sample(3).values[:,1:].astype('float64')

>> array([[  1.31199997e+02,   1.37149994e+02,   1.31199997e+02,

          1.36320007e+02,   1.17088593e+02,   6.15015000e+05],

       [  1.35199997e+02,   1.36570007e+02,   1.34330002e+02,

          1.35639999e+02,   1.16504501e+02,   3.52835000e+05],

       [  1.31419998e+02,   1.33500000e+02,   1.30759995e+02,

          1.31779999e+02,   1.13189064e+02,   2.09805000e+05]])

我正在使用 pandas 从 csv 文件中读取数据，然后将数据转换为numpy.float64但得到指数值，1.31199997e+02但预期的输出应该是正常的数字，131.199997而不是1.31199997e+02

我的代码：

df = pd.read_csv('data.csv')                # reading csv

df.dtypes

>> 

Date          object

Open         float64

High         float64

Low          float64

Close        float64

Adj Close    float64

Volume         int64

dtype: object

a = df.sample(3).values[:,1:]        # get array using `dataframe.values`

a

>> array([[131.199997, 137.149994, 131.199997, 136.320007, 117.08859299999999,

        615015],

       [135.199997, 136.570007, 134.330002, 135.639999, 116.504501, 352835],

       [131.419998, 133.5, 130.759995, 131.779999, 113.18906399999999,

        209805]], dtype=object)

a = a.astype('float64')                # converting to `float64`

a

>> array([[  1.31199997e+02,   1.37149994e+02,   1.31199997e+02,

          1.36320007e+02,   1.17088593e+02,   6.15015000e+05],

       [  1.35199997e+02,   1.36570007e+02,   1.34330002e+02,

          1.35639999e+02,   1.16504501e+02,   3.52835000e+05],

       [  1.31419998e+02,   1.33500000e+02,   1.30759995e+02,

          1.31779999e+02,   1.13189064e+02,   2.09805000e+05]])

Answer 1

131.199997,1.31199997e+02是相同数字的等效显示。它们都是“普通花车”。在：array([[131.199997, 137.149994, 131.199997, 136.320007, 117.08859299999999,        615015],       [135.199997, 136.570007, 134.330002, 135.639999, 116.504501, 352835],       [131.419998, 133.5, 130.759995, 131.779999, 113.18906399999999,        209805]], dtype=object)每个元素都是 Python 浮点数，并且无论值如何，都会单独格式化。注意有些字符串很长，有些则很短。在：a = a.astype('float64')                # converting to `float64`aarray([[  1.31199997e+02,   1.37149994e+02,   1.31199997e+02,          1.36320007e+02,   1.17088593e+02,   6.15015000e+05],       [  1.35199997e+02,   1.36570007e+02,   1.34330002e+02,          1.35639999e+02,   1.16504501e+02,   3.52835000e+05],       [  1.31419998e+02,   1.33500000e+02,   1.30759995e+02,          1.31779999e+02,   1.13189064e+02,   2.09805000e+05]])数组作为一个整体显示，使用的格式对于较小的值 ( 1e2, 100) 和较大的值 ( 1e5, ) 都同样适用100000。使用这种格式，它使用整齐的列，显示二维数组结构。虽然您可以控制如何numpy显示此类数组，但它不会更改基础数值。对于快速numpy计算，您需要这个 numeric dtype，而不是那个object。试试df.sample(3).values[:,1:-1]。那应该只是周围的浮点值100。209805这是触发科学记数法的最后一个整数列。更好的是，在应用之前从数据框中选择列“Open,High,Low,Close,Adj Close” .values。这些都是float64dtype，结果数组也将具有该 dtype。单独选择整数volume列。您已经分别处理字符串/对象date列。尝试：a = df[df.columns[1:-1]].sample().values

Answer 2

尝试添加：np.set_printoptions(suppress=True)作为下的第一行import numpy as np。