as_float_array#

sklearn.utils.as_float_array(X, *, copy=True, ensure_all_finite=True)[source]#

将数组类对象转换为浮点数数组。

新数据类型将是 np.float32 或 np.float64，具体取决于原始类型。该函数可以创建副本或根据 copy 参数修改参数。

参数:
X{array-like, sparse matrix}

输入数据。

copy布尔值, 默认为 True

如果为 True，将创建 X 的副本。如果为 False，如果 X 的 dtype 不是浮点类型，仍可能返回副本。

ensure_all_finitebool 或 ‘allow-nan’，默认为 True

是否对 X 中的 np.inf、np.nan、pd.NA 引发错误。可能性如下：

  • True：强制 X 的所有值为有限值。

  • False：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。值不能为无穷大。

版本 1.6 中新增： force_all_finite 已重命名为 ensure_all_finite。

返回:
XT{ndarray, sparse matrix}

浮点类型的数组。

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.])
在本页