我使用X1 = np.reshape(input,(500,3 * 40))的重整方法将3D NumPy数组重整为2D。现在,新的2D数组具有不同的格式,例如,
少量行具有以下格式-
X1[8,:] has -
array([ 5557., 2001., 1434., 1348., 991., 1240., 1668., 1093.,
1680., 1476., 2521., 1841., 2443., 2295., 1911., 2491., and so on .... ])
而其他几行具有以下格式-
X1[9,:] has -
array([3.69900e+04, 1.19090e+04, 1.12300e+04, 1.25170e+04, 6.91000e+03,
7.24700e+03, 8.31800e+03, 6.31000e+03, 8.96700e+03, 7.18100e+03,
1.03010e+04, 9.69800e+03, 1.29270e+04, 1.33140e+04, 1.00420e+04, and so on ... ])
由于它们始终没有统一的格式,因此我不确定在神经网络模型训练期间是否会引起问题。我不确定如何在相同的NumPy数组中保持相同的十进制格式。
对您来说这不是问题,因为5557。和1.03010e + 04都是浮动的。第二种数字格式(科学计数法仅用于显示(打印)数字)。
请记住,numpy数组对于数组中的所有项目只有一个数据提示,您可以使用array.dtype属性获得它