numpy数组在jupyter中默认截断显示是因threshold=1000，需用np.set_printoptions(threshold=np.inf)关闭省略；该设置全局生效，建议用with np.printoptions上下文临时启用，避免浏览器卡顿。

NumPy 数组在 Jupyter Notebook 中默认只显示开头和结尾部分（比如 array([1, 2, 3, ..., 98, 99, 100])），这不是数据被删了，而是 NumPy 的打印策略做了截断——它优先保证输出可读性，而非完整性。要让整个数组原样显示，得主动关掉这个“省略模式”。

设置 np.set_printoptions 控制截断行为

核心是调用 np.set_printoptions，它直接控制 NumPy 的字符串表示逻辑。和 pandas 不同，这里没有“行/列数”之分，只有统一的元素数量阈值和嵌套深度限制。

• threshold：决定多少个元素触发省略。默认是 1000，设为 np.inf 或一个远大于你数组长度的数（如 10000）才能强制全显
• edgeitems：当 threshold 被突破时，每端保留几个元素（默认是 3）。即使设了大 threshold，也建议同步设 edgeitems=0 避免干扰
• linewidth：单行最大字符数，默认 75。太窄会导致换行混乱，设成 200 或更高更稳妥
• precision 和 suppress：浮点数显示常用组合。precision=3 控制小数位数，suppress=True 关闭科学计数法（比如避免 1.23e+04）

示例：

import numpy as np
np.set_printoptions(threshold=np.inf, edgeitems=0, linewidth=200, precision=3, suppress=True)

执行后，再打印 np.arange(5000) 就会滚屏输出全部内容，而不是中间带 ...。

Claw Code Suite (Python-Only Edition)

仅使用 Python 将 Claw Code 虚拟化框架与 OpenClaw 集成，提供 184 种工具和 200 多条命令，用于安全分析和代码质量...

下载

为什么只设 threshold=None 不起作用？

None 在 np.set_printoptions 里不是“无限制”，而是“保持默认”。必须用 np.inf 或具体大整数。常见错误是写成 threshold=None 或 threshold='all'，这两者都不生效，数组照旧被截断。

• 正确：threshold=np.inf 或 threshold=100000
• 错误：threshold=None、threshold='inf'、threshold='all'

临时设置 vs 全局污染

这些选项是全局生效的，会影响后续所有 notebook 单元格里的 NumPy 输出。如果只是临时查看某一个大数组，更安全的做法是用上下文管理器：

with np.printoptions(threshold=np.inf, linewidth=200):
    print(my_large_array)

退出 with 块后自动恢复原始设置，不用手动记旧值或调 np.reset_printoptions()。注意：np.reset_printoptions() 只能还原到初始状态，不能回退中间某次修改。

大数组实际渲染仍受限于浏览器和 Jupyter

即使 threshold=np.inf，如果数组有百万级元素，Jupyter 输出区域可能卡顿、崩溃，或触发浏览器内存警告。这不是 NumPy 的问题，而是前端渲染瓶颈。真要 inspect 大数组，优先用切片（如 arr[:1000]）、统计（arr.shape, arr.dtype, arr.min(), arr.max()）或写入文件调试，别硬刷全量。

Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！