numpy 2.0 中 set_printoptions 仍有效但仅影响 print() 和 str()，repr()（如 jupyter 直接输入变量）默认不生效；需显式设置 legacy='1.25' 才统一控制所有输出。
NumPy 2.0 中 set_printoptions 仍有效，但行为有关键变化
NumPy 2.0 没有移除浮点显示控制，np.set_printoptions 依然可用，但默认行为更严格：它现在**只影响 print() 和 str() 输出，不再隐式改变 repr()（如交互式 REPL 显示）**。这意味着你在 Jupyter 或 IPython 里直接敲变量名，看到的精度可能和 print(arr) 不一致。
实操建议：
- 始终用
np.set_printoptions(precision=3, suppress=True)控制常规输出（precision是小数位数，suppress=True关闭科学计数法） - 若需统一 REPL 显示，Jupyter 用户应额外设置
np.set_printoptions(legacy='1.25')（见下节） -
threshold、linewidth等参数照常生效，与 NumPy 1.x 无差异
为什么在 Jupyter 中改了 set_printoptions 却没生效？
这是 NumPy 2.0 最易踩的坑：Jupyter/IPython 默认调用 repr() 渲染变量，而 NumPy 2.0 的 repr() 绕过了 set_printoptions，除非显式启用兼容模式。
解决方法只有一条路径：
- 在启动脚本或 notebook 开头执行
np.set_printoptions(legacy='1.25') -
legacy='1.25'是唯一被支持的字符串值，它强制恢复 NumPy 1.25 的全部打印逻辑（包括repr()） - 不设
legacy或设为None，repr()就按新规则走——此时precision参数对repr()完全无效
precision 参数实际控制的是“小数位数”，不是“有效数字”
很多人误以为 precision=3 会让 0.0012345 显示成 0.001，其实它控制的是小数点后固定位数，结果是 0.00123（3 位小数）。要控制有效数字，得用 formatter 回调。
例如，强制所有浮点数显示 3 位有效数字：
np.set_printoptions(formatter={'float': lambda x: f'{x:.3g}'})
注意：
-
.3g自动选科学/普通表示，.3f强制小数形式，.3e强制科学计数 -
formatter优先级高于precision，一旦设置，precision就被忽略 - 该回调对每个元素单独调用，大数据集会有轻微性能开销
全局配置要写在 import 之后、首次数组创建之前
NumPy 2.0 的打印配置是惰性初始化的：第一次创建数组或调用 print() 时才读取当前选项。如果先创建了数组，再调用 set_printoptions，已有数组的 repr() 可能缓存旧行为（尤其在 legacy 模式未启用时）。
安全做法：
- 把
import numpy as np和np.set_printoptions(...)放在同一 cell / 文件开头 - 避免在函数内动态修改——这不会影响外部已存在的数组显示
- 检查是否生效：运行
np.get_printoptions()，确认返回字典中'precision'和'legacy'值符合预期
legacy='1.25' 这一行，结果反复调试 precision 却发现 REPL 里数字还是老样子。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！
