as_float_array#

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。此函数可以创建副本或根据 copy 参数修改原始参数。

参数:
X{类数组, 稀疏矩阵}

输入数据。

copy布尔值, 默认=True

如果为 True，将创建 X 的副本。如果为 False，但 X 的数据类型不是浮点类型，仍可能返回副本。

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

是否在 X 中遇到 np.inf、np.nan、pd.NA 时引发错误。可能的值为

  • True: 强制 X 的所有值为有限。

  • 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。值不能是无限的。

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

版本 0.23 变更: 接受 pd.NA 并将其转换为 np.nan

版本 1.6 弃用: force_all_finite 已重命名为 ensure_all_finite，并将于 1.8 版本移除。

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

是否在 X 中遇到 np.inf、np.nan、pd.NA 时引发错误。可能的值为

  • True: 强制 X 的所有值为有限。

  • 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。值不能是无限的。

版本 1.6 新增: force_all_finite 已重命名为 ensure_all_finite。

返回:
XT{ndarray, 稀疏矩阵}

浮点类型数组。

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.])
本页内容