Ctrl+K

as_float_array#

sklearn.utils.as_float_array(X, *, copy=True, force_all_finite='deprecated', ensure_all_finite=None)[源代码]#

Convert an array-like to an array of floats.

新的dype将是np.float32或np.float64，具体取决于原始类型。该函数可以根据参数副本创建副本或修改参数。

参数:
X{类数组，稀疏矩阵}

输入数据。

copy布尔，默认=True

如果为True，将创建X的副本。如果为False，则如果X的dtype不是浮点类型，则仍然可以返回副本。

force_all_finitebool或'allow-nan'，默认值=True

是否在X中对mp.inf、pp.nan、pd. NA提出错误。可能性有：

  • True：强制X的所有值为有限。

  • 假：接受X中的NP.inf、NP.nan、pd. NA。

  • “allow-nan”：仅接受X中的NP.nan和pd.NA值。价值观不可能无限。

Added in version 0.20: force_all_finite 接受字符串 'allow-nan' .

在 0.23 版本发生变更: 接受 pd.NA 并将其转换为 np.nan

自 1.6 版本弃用: force_all_finite 更名为 ensure_all_finite 并将在1.8中删除。

ensure_all_finitebool或'allow-nan'，默认值=True

是否在X中对mp.inf、pp.nan、pd. NA提出错误。可能性有：

  • True：强制X的所有值为有限。

  • 假：接受X中的NP.inf、NP.nan、pd. NA。

  • “allow-nan”：仅接受X中的NP.nan和pd.NA值。价值观不可能无限。

Added in version 1.6: force_all_finite 更名为 ensure_all_finite .

返回:
XT{nd数组，稀疏矩阵}

float类型的数组。

示例

>>> from sklearn.utils import as_float_array
>>> import numpy as np
>>> array = np.array([0, 0, 1, 2, 2], dtype=np.int64)
>>> as_float_array(array)
array([0., 0., 1., 2., 2.])
On this page