为什么将浮点列表转换为 numpy 数组会更改某些变量的值？答案

【问题标题】：Why converting a float list into numpy array changes the value of some variables?为什么将浮点列表转换为 numpy 数组会更改某些变量的值？
【发布时间】：2016-04-29 20:24:39
【问题描述】：

所以我有以下代码sn-p：

with open('dataset/train/problem.csv', 'r') as p:
raw_x = csv.reader(p)
data_x = []
for ix in raw_x:
    data_x.append([float(i) for i in ix])
print(data_x)

这将打印以下输出：

[[217.0, 118.0, 0.63, 755.0, 1071.0], [217.0, 118.0, 0.63, 755.0, 1071.0],...]

现在我正在尝试将此结构转换为浮点数的 numpy 数组，以便可以将其与 scikit-learn 一起用作观察输入。但是当我尝试做以下事情时

X = np.array(data_x)
print(X)

它给出以下结果：

[  2.17000000e+02   1.18000000e+02   6.30000000e-01   7.55000000e+02
1.07100000e+03]
...
[  2.17000000e+02   1.18000000e+02   6.30000000e-01   7.55000000e+02
1.07100000e+03]

它仍然是浮点数，但十进制值不正确。

一直试图弄清楚为什么会发生这种情况，因为源数组也在浮点数中。我也尝试过提供type=float 和astype，但似乎没有任何效果。

谢谢！

【问题讨论】：

标签： python numpy floating-point scikit-learn

【解决方案1】：

列表和数组中的值相同。这只是一种不同的表现形式。

您可以用科学计数法格式化 Python 浮点数：

>>> '{:e}'.format(11.7)
'1.170000e+01'

NumPy 使用这种表示。就是这样。

【讨论】：

是的。 NumPy 数组可以与大多数（全部？）处理数组数据类型的 Python 包一起使用。

【解决方案2】：

数组中的值相同。例如，2.1700000000e+2 是 2.17 x 10^2 或 217，与原始数组中的相同。

numpy 数组使用科学记数法而不是标准十进制形式。

【讨论】：

我对它不是很有经验，但我相信。