就爱读np.set_printoptions()可直接控制NumPy数组显示格式；默认格式因小数位不一致、科学计数法混用及自动截断而影响调试效率；关键参数需协同设置，如precision控制有效位数、suppress禁用科学计数法、threshold避免省略、linewidth防换行混乱、floatmode='fixed'统一小数位；调试时应按目标切换组合，并注意全局生效与及时还原。
直接用 np.set_printoptions() 就能控制 NumPy 数组的显示效果，不需要重写打印逻辑或 monkey patch。
为什么默认打印格式在调试时很烦人
默认情况下，np.array([0.123456789, 1.23456789e-10]) 会显示成 [1.23456789e-01 1.23456789e-10]，小数位数不一致、科学计数法混用、还自动截断长数组——这会让数值对比、检查精度问题、追踪中间结果变得低效甚至出错。
np.set_printoptions() 的关键参数怎么选
最常被忽略的是参数之间的协同影响。比如设了 precision 却没关 suppress，小数依然可能被转成科学计数法；开了 threshold 却没调 linewidth，单行挤满导致换行混乱。
Python 3.14.3
微软官方的 Python 扩展，是 VS Code 安装量最高的扩展（209M+）。集成 IntelliSense（通过 Pylance）、调试（通过 Python Debugger）、代码检查、格式化、重构和单元测试等功能。支持 Jupyter Notebook、虚拟环境管理和多 Python 版本切换。
-
precision=3：控制浮点数总有效位数（不是小数点后几位），对0.001234显示为0.00123，对1234.5显示为1.23e+03（除非suppress=True） -
suppress=True：强制禁用科学计数法，让所有数按小数形式显示（适合调试数值范围接近的数组） -
threshold=np.inf：避免数组被省略成[1. 2. ..., 9. 10.]，完整显示全部元素 -
linewidth=120：配合大数组，防止每行只显示两三个数就换行 -
floatmode='fixed'：和precision搭配时，统一用固定小数位（如precision=4→1.2345），但注意它会强制补零，可能掩盖精度损失
调试场景下的推荐组合与陷阱
不同调试目标要切换策略，硬套一套参数反而误导判断。
- 查数值是否接近零？用
np.set_printoptions(precision=10, suppress=True, threshold=100)，避免1e-15被显示成0. - 对比两个数组差异？先
np.set_printoptions(precision=6, suppress=True, linewidth=200)，再用np.allclose(a, b, atol=1e-8)验证，别只靠肉眼扫屏幕 - 调试梯度或权重更新？开
floatmode='fixed'+precision=8，看清末尾变化；但训练完导出模型前记得关掉——floatmode不影响实际值，但可能让你误以为截断了数据 - 容易踩的坑：
set_printoptions是全局生效的，Jupyter 中一个 cell 改了，后面所有输出都受影响；建议调试完用np.set_printoptions(**original_opts)还原，或者用上下文管理器封装（需自行实现）
真正麻烦的不是设置本身，而是忘记它已生效——比如你调完 suppress=True 后跑了一堆代码，突然发现某个本该是 1e-20 的数显示成 0.0，还以为计算出错了，其实是显示被压制了。
