Oczywiście, można zmienić próg drukowania tablicy jako answered elsewhere z:
np.set_printoptions(threshold=np.nan)
ale w zależności od tego, co starasz się spójrz, jest prawdopodobnie lepszy sposób na zrobienie tego. Na przykład, jeśli tablica jest naprawdę głównie zer jak już pokazano, i chcesz sprawdzić, czy ma ona wartości, które są niezerowe, można patrzeć na takie rzeczy jak:
import numpy as np
import matplotlib.pyplot as plt
In [1]: a = np.zeros((100,100))
In [2]: a
Out[2]:
array([[ 0., 0., 0., ..., 0., 0., 0.],
[ 0., 0., 0., ..., 0., 0., 0.],
[ 0., 0., 0., ..., 0., 0., 0.],
...,
[ 0., 0., 0., ..., 0., 0., 0.],
[ 0., 0., 0., ..., 0., 0., 0.],
[ 0., 0., 0., ..., 0., 0., 0.]])
zmienić niektóre wartości:
In [3]: a[4:19,5:20] = 1
i nadal wygląda tak samo:
In [4]: a
Out[4]:
array([[ 0., 0., 0., ..., 0., 0., 0.],
[ 0., 0., 0., ..., 0., 0., 0.],
[ 0., 0., 0., ..., 0., 0., 0.],
...,
[ 0., 0., 0., ..., 0., 0., 0.],
[ 0., 0., 0., ..., 0., 0., 0.],
[ 0., 0., 0., ..., 0., 0., 0.]])
Sprawdź pewne rzeczy, które nie wymagają ręcznego patrząc na wszystkie wartości:
In [5]: a.sum()
Out[5]: 225.0
In [6]: a.mean()
Out[6]: 0.022499999999999999
Albo wykreślić go:
In [7]: plt.imshow(a)
Out[7]: <matplotlib.image.AxesImage at 0x1043d4b50>
lub zapisać do pliku:
In [11]: np.savetxt('file.txt', a)
Pierwszy pokaz wyjście 'rodzaju druku (b)' – dkamins
poczekać sekundę, jest to tablica 'numpy'? – J0HN