转换为浮点数组#

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

将类数组转换为浮点数数组。

新的数据类型将是 np.float32 或 np.float64，具体取决于原始类型。该函数可以根据 copy 参数创建副本或修改参数。

参数：
X{类数组，稀疏矩阵}

输入数据。

copybool, default=True

如果为 True，则会创建 X 的副本。如果为 False，如果 X 的 dtype 不是浮点类型，则仍然可能返回副本。

force_all_finite布尔值或 'allow-nan'，默认为 True

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

  • True：强制 X 的所有值都为有限值。

  • 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。值不能是无限大的。

0.20 版本新增： force_all_finite 接受字符串 'allow-nan'。

0.23 版本变更： 接受 pd.NA 并将其转换为 np.nan

自 1.6 版本起已弃用： force_all_finite 已重命名为 ensure_all_finite，并将 于 1.8 版本中移除。

ensure_all_finite布尔值或 'allow-nan'，默认为 True

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

  • True：强制 X 的所有值都为有限值。

  • 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。值不能是无限大的。

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

返回:
XT{ndarray，稀疏矩阵}

一个浮点型数组。

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.])