as_float_array#

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

將類陣列 (array-like) 物件轉換為浮點數陣列。

新的 dtype 將會是 np.float32 或 np.float64，取決於原始型別。此函數可以建立副本或修改引數，取決於引數 copy 的值。

參數:
X{類陣列, 稀疏矩陣}

輸入資料。

copybool，預設值為 True

若為 True，將建立 X 的副本。若為 False，如果 X 的 dtype 不是浮點數型別，仍可能傳回副本。

force_all_finitebool 或 ‘allow-nan’，預設值為 True

是否在 X 中遇到 np.inf、np.nan、pd.NA 時引發錯誤。可選值如下：

  • True：強制 X 的所有值為有限值。

  • False：接受 X 中的 np.inf、np.nan、pd.NA。

  • ‘allow-nan’：僅接受 X 中的 np.nan 和 pd.NA 值。值不能為無限大。

新增於 0.20 版本: force_all_finite 接受字串 'allow-nan'。

變更於 0.23 版本: 接受 pd.NA 並將其轉換為 np.nan

自 1.6 版本起已棄用: force_all_finite 已重新命名為 ensure_all_finite，並將在 1.8 版本中移除。

ensure_all_finitebool 或 ‘allow-nan’，預設值為 True

是否在 X 中遇到 np.inf、np.nan、pd.NA 時引發錯誤。可選值如下：

  • True：強制 X 的所有值為有限值。

  • False：接受 X 中的 np.inf、np.nan、pd.NA。

  • ‘allow-nan’：僅接受 X 中的 np.nan 和 pd.NA 值。值不能為無限大。

新增於 1.6 版本: force_all_finite 已重新命名為 ensure_all_finite。

返回:
XT{ndarray, 稀疏矩陣}

一個浮點數型別的陣列。

範例

>>> 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.])