Преобразовать numpy тип объекта в тип с плавающей точкой

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]])

Я читаю данные из CSV-файла, используя pandas, затем преобразую данные в numpy.float64, но получаю значения экспоненты, такие как 1.31199997e+02, но ожидаемый результат должен быть нормальным числом, таким как 131.199997, а не 1.31199997e+02

Мой код:

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]])

data.csv

Date,Open,High,Low,Close,Adj Close,Volume
2013-05-08,135.199997,136.570007,134.330002,135.639999,116.504501,352835
2013-05-09,135.800003,138.940002,135.199997,136.259995,117.037041,952515
2013-05-10,136.199997,138.199997,135.009995,135.389999,116.289780,444045
2013-05-13,135.000000,136.000000,131.639999,132.539993,113.841843,260395
2013-05-14,131.419998,133.500000,130.759995,131.779999,113.189064,209805
2013-05-15,131.199997,137.149994,131.199997,136.320007,117.088593,615015

Answer 1

131.199997, 1.31199997e+02 - эквивалентные изображения с одинаковым номером. Они оба являются «обычными числами с плавающей точкой».

In:

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)

каждый элемент является плавающей точкой Python и форматируется индивидуально, независимо от значения. Обратите внимание, что некоторые строки длинные, а другие очень короткие.

In:

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]])

массив отображается как единое целое, используя формат, который будет одинаково хорошо работать для меньших значений (1e2, 100) и более крупные (1e5, 100000). В этом формате используются аккуратные столбцы, показывающие структуру массива 2d.

Хотя вы можете контролировать, как numpy отображает такой массив, он не меняет значения чисел c, лежащие в основе. А для быстрых numpy вычислений вам нужна эта цифра c dtype, а не object.

Попробуйте df.sample(3).values[:,1:-1]. Это должны быть просто значения с плавающей точкой, которые находятся вокруг 100. Это последний целочисленный столбец со значениями, такими как 209805, который запускает нотацию scientifi c.

Еще лучше, выберите столбцы данных из фрейма данных "Открыть, Высокий, Низкий, Закрыть, Настроить Закрыть" перед применением .values. Это все float64 dtype, и результирующий массив также будет иметь этот dtype. Выберите столбец целое число volume отдельно. Вы уже обрабатываете столбец строка / объект date отдельно.

Попробуйте:

a = df[df.columns[1:-1]].sample().values

Answer 2

Попробуйте добавить:

np.set_printoptions(suppress=True)

в качестве первой строки под import numpy as np.