Python实现numpy矩阵浮点型格式化及解决float()转换TypeError问题

Python内置的float()方法仅支持转换单个数值标量，无法直接作用于包含多元素的numpy数组，因此调用float(C)会触发TypeError: only size-1 arrays can be converted to Python scalars报错。

你需要的两个需求可通过以下方式实现：

• 批量转换数组元素为浮点型：使用numpy自带的astype()方法完成整组类型转换，可根据精度要求选择np.float32（单精度）或np.float64（双精度）
• 控制浮点数输出保留三位小数：通过np.set_printoptions配置numpy打印规则，即可让0.2这类数值输出为0.200格式，匹配Matlab的输出精度表现

额外提示：你当前代码中*是逐元素乘法，如果你需要做矩阵乘法，需要替换为@运算符。你代码中的B为单位矩阵，逐元素相乘的计算结果与原矩阵A完全一致。

import numpy as np

# 配置浮点数打印保留3位小数
np.set_printoptions(formatter={'float': '{:0.3f}'.format})

A=np.array([[ 0.0186428,  -0.0056,         -0.0056,          0,          0,
            0],
             [-.1263,  0.42087542, -.1263,          0,          0,
             0],
             [-.1263, -.1263, 0.42087542,  0,          0,
             0],
            [0,         0,          0,          0.2,        -0,
             0        ],
            [ 0,          0,          0,         -0,          0.2,
              0        ],
            [-0,         -0,          0,          0,          0,
              0.2       ]])

B=np.array([[1,0,0,0,0,0],[0,1,0,0,0,0],[0,0,1,0,0,0],[0,0,0,1,0,0],[0,0,0,0,1,0], 
            [0,0,0,0,0,1]])

# 逐元素相乘后转换为双精度浮点型
C = (B * A * B).astype(np.float64)
print(C)

运行后输出的所有浮点数都会保留三位小数，且不存在类型转换报错。

内容的提问来源于stack exchange，提问作者msci