numpy.trunc(x, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = <ufunc 'trunc'>
以元素方式返回输入的截断值。
标量x的截断值是最接近的整数i，它比x更接近零。简而言之，丢弃带符号数x的小数部分。
参数： |
可选 存储结果的位置。如果提供，它必须具有输入的形状。 如果未提供或 元组（仅可作为关键字参数）的长度必须等于输出的数量。 其中 ： array_like，可选 值 值
|
返回： | y ：ndarray或标量x中每个元素的截断值。如果x是标量，则这是标量。 |
Note
1.3.0版中的新功能。
例子
1）对一维数组进行截断
import numpy as np
# 创建一个包含浮点数的一维数组
a = np.array([-1.7, -1.5, -0.2, 0.2, 1.5, 1.7, 2.0])
# 对数组中的每个元素进行截断操作
truncated_array = np.trunc(a)
print("原数组:", a)
print("截断后的数组:", truncated_array)
2）对多维数组进行截断
import numpy as np
# 创建一个包含浮点数的二维数组
a = np.array([[-1.7, 1.5], [0.2, -0.2], [2.5, -2.5]])
# 对数组中的每个元素进行截断操作
truncated_array = np.trunc(a)
print("原数组:\n", a)
print("截断后的数组:\n", truncated_array)
3）使用 out 参数
import numpy as np
# 创建一个包含浮点数的数组
a = np.array([3.7, -3.3, 4.2])
# 创建一个空数组来存储结果
result = np.zeros_like(a)
# 使用 trunc 函数并指定 out 参数
np.trunc(a, out=result)
print("原数组:", a)
print("截断后的数组:", result)
4）使用 where 参数
import numpy as np
# 创建一个包含浮点数的数组
a = np.array([3.7, -3.3, 4.2, -1.9])
# 使用 trunc 函数并指定 where 参数，仅对正数进行截断操作
truncated_array = np.trunc(a, where=a > 0)
print("原数组:", a)
print("截断后的数组:", truncated_array)