如果我有一个这样的 numpy 数组：
[2.15295647e+01, 8.12531501e+00, 3.97113829e+00, 1.00777250e+01]
我怎样才能移动小数点并格式化数字，所以我最终得到一个像这样的 numpy 数组：
[21.53, 8.13, 3.97, 10.08]
np.around(a, decimals=2) 只给我[2.15300000e+01, 8.13000000e+00, 3.97000000e+00, 1.00800000e+01] 这是我不想要的，我还没有找到另一种方法来做到这一点。
【问题讨论】：
为了使 numpy 显示 任意格式的浮点数组，您可以定义一个自定义函数，该函数将浮点值作为其输入并返回格式化字符串：
In [1]: float_formatter = "{:.2f}".format
这里的f 表示定点格式（不是“科学”），.2 表示两位小数（您可以阅读有关字符串格式的更多信息here）。
让我们用一个浮点值来测试一下：
In [2]: float_formatter(1.234567E3)
Out[2]: '1234.57'
要让 numpy 以这种方式打印所有浮点数组，您可以将 formatter= 参数传递给 np.set_printoptions：
In [3]: np.set_printoptions(formatter={'float_kind':float_formatter})
现在 numpy 将以这种方式打印所有浮点数组：
In [4]: np.random.randn(5) * 10
Out[4]: array([5.25, 3.91, 0.04, -1.53, 6.68]
请注意，这只影响 numpy 数组，而不影响标量：
In [5]: np.pi
Out[5]: 3.141592653589793
它也不会影响非浮点数、复杂浮点数等 - 您需要为其他标量类型定义单独的格式化程序。
您还应该知道，这仅会影响 numpy 显示浮点值的方式 - 将在计算中使用的实际值将保留其原始精度。
例如：
In [6]: a = np.array([1E-9])
In [7]: a
Out[7]: array([0.00])
In [8]: a == 0
Out[8]: array([False], dtype=bool)
numpy 打印 a 好像它等于 0，但它不是 - 它仍然等于 1E-9。
如果您确实希望以影响它们在计算中的使用方式的方式对数组中的值进行舍入，您应该使用np.round，正如其他人已经指出的那样。
【讨论】：
%precision magic，例如%precision %.2f 不过，这只适用于原生 Python 浮点数（我不知道如何设置 numpy 浮点标量的显示精度）。
您可以使用圆形功能。这里有一些例子
numpy.round([2.15295647e+01, 8.12531501e+00, 3.97113829e+00, 1.00777250e+01],2)
array([ 21.53, 8.13, 3.97, 10.08])
如果您只想更改显示表示，我会不建议全局更改打印格式，如上面所建议的那样。我会就地格式化我的输出。
>>a=np.array([2.15295647e+01, 8.12531501e+00, 3.97113829e+00, 1.00777250e+01])
>>> print([ "{:0.2f}".format(x) for x in a ])
['21.53', '8.13', '3.97', '10.08']
【讨论】：
您混淆了实际精度和显示精度。十进制舍入不能用二进制精确表示。你应该试试：
> np.set_printoptions(precision=2)
> np.array([5.333333])
array([ 5.33])
【讨论】：
np.set_printoptions(formatter={float: float_formatting_function}))。
[ round(x,2) for x in [2.15295647e+01, 8.12531501e+00, 3.97113829e+00, 1.00777250e+01]]
【讨论】：