How to transpose data in text?

How to transpose data in text? - python

I can not transpose my text data the right way and replace the ',' with ' ' generating a new text file.
My text is:
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
0.0011, 0.00066, 0.00137, 0.00079, 0.00071, 0.00141, 0.0, 0.00182, 0.00151, 0.00077,
0.00166, 0.00242, 0.0061, 0.01112, 0.0, 0.01417, 0.00414, 0.00228, 0.0027, 0.0,
0.0, 0.0, 0.01248, 0.0, 0.0, 0.06371, 0.00448, 0.0, 0.01182, 0.0,
0.01938, 0.06195, 0.00791, 0.0, 0.05479, 0.00646, 0.05939, 0.02536, 0.06581, 0.00146,
0.0, 0.10148, 0.00858, 0.05245, 0.03534, 0.02738, 0.0, 0.01521, 0.02567, 0.01389,
0.0, 0.01177, 0.11606, 0.41767, 0.17797, 0.02097, 0.04637, 0.0, 0.0, 0.01696,
0.03828, 0.03649, 0.01519, 0.0465, 0.04523, 0.0, 0.11382, 0.03256, 0.239, 0.06641,
0.00726, 0.0, 0.02342, 0.03302, 0.11531, 0.0, 0.33871, 0.21537, 0.0, 0.19708,
1.08416, 0.03333, 0.01763, 0.25371, 0.01275, 0.31206, 0.0, 0.07271, 0.06306, 0.05016,
0.00482, 0.11395, 0.0, 0.14741, 0.04568, 0.0, 0.0, 0.0, 0.16177, 0.00628,
0.05526, 0.07857, 0.41543, 0.0172, 0.0, 0.0, 0.0, 0.28001, 0.01096, 0.0,
0.0, 0.14767, 0.0, 0.88451, 0.11258, 0.57063, 0.23525, 0.19962, 0.10215, 0.12147,
0.15307, 0.06756, 0.20032, 0.0, 0.38074, 0.0, 0.30569, 0.0, 0.14491, 0.01522,
0.15175, 0.0, 0.47177, 0.09829, 0.13909, 0.21286, 0.0, 0.38484, 0.06639, 0.0,
0.25202, 0.21179, 0.82245, 0.4142, 0.0, 0.08601, 0.56517, 0.0, 0.59679, 0.23728,
0.04749, 0.29558, 0.24965, 0.0, 0.0, 0.22227, 0.72755, 0.62913, 0.0, 0.0,
0.0, 0.19146, 0.0, 0.0, 0.0, 0.2144, 0.77099, 0.0, 0.37493, 0.89662,
0.47225, 0.43947, 0.12473, 0.35669, 0.10165, 0.45582, 0.22459, 0.29898, 0.0, 0.56291,
0.96687, 0.0, 0.3302, 0.86844, 0.06221, 0.77419, 0.17999, 0.65999, 0.2328, 0.0,
0.16307, 0.76734, 0.52557, 0.26596, 0.0, 0.0, 0.27549, 0.43434, 0.25947, 0.01236,
0.0, 0.42255, 0.5073, 0.38113, 0.10205, 0.45306, 0.00477, 0.0, 0.37107, 0.14947,
0.27564, 0.70923, 0.0562, 0.05902, 0.21613, 0.25713, 0.39205, 0.0, 0.0, 0.43975,
0.70342, 0.0, 0.50664, 0.11172, 0.10631, 0.05909, 0.79553, 0.1349, 0.07048, 0.0,
0.53473, 0.0, 0.0, 0.31553, 0.48961, 0.0, 0.06141, 0.38112, 1.22286, 0.33563,
0.19423, 0.06941, 0.2862, 0.0343, 0.64844, 0.17025, 0.0, 0.62452, 0.0, 0.0,
0.08317, 0.0, 0.10109, 0.09981, 0.0, 0.369, 0.01377, 0.18212, 0.13574, 0.37456,
0.03428, 0.34665, 0.47843, 0.0, 0.0, 0.0053, 0.23513, 0.0, 0.13714, 0.0,
0.05245, 0.32722, 0.0, 0.05677, 0.31737, 0.10693, 0.62225, 0.53793, 0.20858, 0.04239,
0.35165, 0.02668, 0.0, 0.03544, 0.27847, 0.0, 0.0, 0.04481, 0.0, 0.16931,
0.01964, 0.0, 0.01786, 0.24306, 8e-05, 0.0, 0.0, 0.02659, 0.0, 0.0,
0.0599, 0.41067, 0.0, 0.00589, 0.17132, 0.09665, 0.39494, 0.0, 0.0, 0.08364,
0.07752, 0.00266, 1e-05, 0.07468, 0.0, 0.00754, 0.19101, 0.28241, 0.0, 0.07648,
0.02461, 0.0, 0.36781, 0.14567, 0.00504, 0.0, 0.0, 0.02592, 0.01688, 0.06218,
0.0, 0.01588, 0.0, 0.0, 0.01979, 0.30657, 0.15687, 0.00331, 0.04598, 0.04678,
0.0, 0.0, 0.36563, 0.07478, 0.17633, 0.08055, 0.0, 0.0097, 0.0, 0.0,
0.01385, 0.00765, 0.12829, 0.0679, 0.1493, 0.01366, 0.07352, 0.01161, 0.0267, 0.05016,
0.09829, 0.0705, 0.0, 0.0, 0.04273, 0.0, 0.0716, 0.04736, 0.00187, 0.04349,
0.05556, 0.00092, 0.0, 0.0052, 0.05377, 0.0004, 0.02759, 0.0, 0.0, 0.61669,
0.02357, 0.01095, 0.00227, 0.55783, 0.0, 0.08453, 0.12306, 0.0, 0.04116, 0.0,
0.00134, 0.59121, 0.0, 0.01725, 0.0011, 0.00079, 0.0, 0.0, 0.00968, 0.04991,
0.03231, 0.0, 0.02791, 0.0, 0.12359, 0.16621, 3e-05, 0.0, 0.04995, 0.01438,
0.06546, 0.0, 7e-05, 0.0, 0.07103, 0.00683, 0.01083, 1e-05, 0.01107, 0.00693,
0.0, 0.06917, 0.0, 0.01422, 0.0343, 0.0, 0.00705, 0.34537, 0.0, 0.01165,
0.00372, 0.2154, 0.57886, 0.08228, 0.00332, 0.0735, 0.0, 0.05252, 0.03644, 0.03541,
0.23112, 0.01512, 0.0, 0.09462, 0.00031, 0.06564, 0.0, 0.0, 0.0, 0.01107,
0.00034, 7e-05, 0.12024, 0.01307, 3e-05, 0.0789, 0.02932, 0.0, 0.32752, 0.45147,
0.0, 0.22466, 0.0, 0.02007, 0.00872, 0.0, 0.0, 1e-05, 0.36416, 0.00015,
0.19467, 0.0, 0.0, 0.53572, 0.32223, 0.12186, 0.0483, 0.00779, 0.3339, 0.00013,
0.00082, 0.0, 0.0, 0.0, 0.0, 0.10405, 0.0, 0.4502, 0.0051, 0.08296,
0.00216, 0.04353, 0.12367, 0.0, 0.14389, 0.0, 0.0, 0.36673, 0.0, 0.0,
0.34636, 0.0, 0.0001, 0.01351, 0.00034, 0.01907, 0.00791, 0.0, 0.00129, 0.0,
0.40499, 0.0, 0.0, 0.08366, 0.0, 0.0, 0.25584, 0.57061, 0.70507, 0.0,
0.0, 0.18143, 0.42539, 0.66514, 0.0, 0.0, 0.29804, 0.0, 0.28829, 0.41273,
0.50942, 0.0, 0.09178, 0.20272, 0.41303, 6e-05, 0.02448, 0.48811, 0.0, 0.0818,
0.0, 0.07639, 0.65981, 0.00096, 0.0, 0.22846, 0.70347, 0.43426, 0.0, 0.40663,
0.01652, 0.09416, 0.0, 0.02656, 0.56497, 0.0, 0.0, 0.0, 0.03001, 0.0,
0.71715, 0.0, 0.00192, 0.47048, 0.22631, 0.0, 0.02586, 0.06006, 0.20732, 0.01805,
0.13912, 0.54863, 0.0, 0.51657, 0.00743, 0.10778, 0.0, 0.0, 0.0, 0.0,
0.0, 0.67212, 0.19832, 0.00432, 0.0, 0.00175, 0.06667, 0.41716, 0.12217, 0.31288,
0.0, 0.74852, 0.0, 0.00255, 0.2814, 0.45116, 0.50539, 0.32614, 0.0, 0.30409,
0.0, 0.0, 0.25113, 0.0, 0.22741, 0.1391, 0.02574, 0.00016, 0.0073, 0.45934,
0.23991, 0.02004, 0.34749, 0.0, 0.52377, 0.06326, 0.32335, 0.16302, 0.15746, 0.00364,
0.0, 0.54827, 0.42714, 0.70166, 0.0, 0.0, 0.39795, 0.06715, 0.0, 0.0,
0.23439, 0.00604, 0.20924, 0.1957, 0.39783, 0.0, 0.0, 0.51778, 0.0, 0.0,
0.57082, 0.0, 0.00024, 0.0, 0.74322, 0.00116, 0.0, 0.16356, 0.01133, 0.02243,
0.65346, 0.7895, 0.30318, 0.52492, 0.18114, 0.53485, 0.22016, 2e-05, 0.39816, 0.56479,
0.02864, 0.65234, 0.0, 0.0, 0.0, 0.0992, 0.14987, 0.0, 0.0, 0.07462,
0.16234, 0.0, 0.0, 0.00621, 0.05237, 0.78129, 0.43683, 0.12717, 0.15497, 0.25109,
0.4028, 0.0, 0.2481, 0.84632, 0.00093, 0.02692, 0.0, 0.0, 0.42843, 0.04238,
0.05716, 0.0, 0.0, 0.0, 0.61904, 0.02759, 0.0, 0.0878, 0.19206, 0.61152,
0.0388, 0.23548, 0.0, 0.0, 0.00666, 0.13364, 0.22438, 0.0, 0.63356, 0.36131,
0.457, 0.15553, 0.0, 0.0, 0.02199, 0.00631, 0.1607, 0.47493, 0.01608, 0.0,
0.86933, 0.51457, 0.17658, 0.00092, 0.00659, 0.00155, 0.0, 0.67375, 0.63718, 0.00635,
0.39418, 0.61056, 0.0, 0.0, 0.37985, 0.15329, 0.63039, 0.28826, 0.04915, 0.48761,
0.57095, 0.0, 0.70731, 0.40762, 0.0006, 0.67333, 0.48771, 0.0, 0.17767, 0.30208,
0.41305, 0.66482, 0.47214, 0.51383, 0.0, 0.30166, 0.01172, 0.11783, 0.36782, 0.0,
0.71679, 0.0, 0.00053, 0.0, 0.75962, 0.47075, 7e-05, 0.0, 0.0, 0.0,
0.00012, 0.73663, 0.17536, 0.5773, 0.00318, 0.51136, 0.0, 0.0, 0.00075, 0.00515,
0.47188, 0.41978, 0.78495, 0.14351, 0.00491, 0.0, 0.21411, 0.77982, 0.65693, 0.51292,
0.4017, 0.10142, 0.18035, 0.51624, 0.50906, 0.0, 0.4748, 0.26747, 0.0, 0.23534,
0.0, 0.59324, 0.00676, 0.20496, 0.77803, 0.00729, 0.57775, 0.58682, 0.0, 0.0,
0.26202, 0.54766, 0.11304, 0.00739, 0.01078, 0.00026, 0.00019, 0.0, 0.0552, 0.00478,
0.00887, 0.00143, 0.88311, 0.12395, 0.60467, 0.88719, 0.01793, 0.27321, 0.0071, 0.28893,
0.00426, 0.0135, 0.0, 0.26657, 0.69537, 0.70755, 0.0, 0.5103, 0.73724, 0.00547,
0.62234, 0.0, 0.86454, 0.25019, 0.11372, 0.0, 0.0, 0.48168, 0.01546, 0.04045,
0.03804, 0.22293, 0.02279, 0.00311, 0.38029, 0.01809, 0.0, 0.45164, 0.05918, 0.40769,
0.45002, 0.36323, 0.0, 0.0, 0.40397, 0.00262, 0.0, 0.78498, 0.40938, 0.91316,
0.71599, 0.46511, 0.85203, 0.7996, 0.04825, 0.0, 0.09025, 0.72207, 0.47213, 0.82834,
0.16914, 0.20413, 0.40483, 2e-05, 0.0133, 0.026, 0.0143, 0.22382, 0.81758, 0.54883,
0.00738, 0.0, 0.15307, 0.54968, 0.0, 0.52159, 0.25367, 0.0, 0.68786, 0.41812,
0.43675, 0.0, 0.81874, 0.17509, 0.88778, 0.63771, 0.0, 0.64224, 0.0, 0.0,
0.69858, 0.47271, 0.0, 0.21959, 0.15844, 0.67096, 0.70144, 0.78685, 0.63303, 0.00156,
0.66517, 0.24494, 0.78376, 0.78629, 0.32911, 0.14563, 0.00711, 0.02871, 0.18767, 0.8961,
0.0, 0.58092, 0.8437, 0.30775, 0.74901, 0.45169, 0.0, 0.0, 2e-05, 0.16325,
0.00027, 0.20422, 0.0, 0.92263, 0.84271, 0.84346, 0.64423, 0.0658, 0.55896, 0.04355,
0.0538, 0.19018, 0.82118, 0.0, 0.27977, 0.0, 0.74302, 0.67848, 0.50665, 0.67587,
0.84453, 0.74089, 0.60708, 0.47972, 0.69295, 0.61686, 0.09719, 0.69716, 0.8583, 0.0,
8e-05, 0.24042, 0.17525, 0.07163, 0.31539, 0.80091, 0.87077, 0.98207, 0.64515, 0.6948,
0.00125, 0.02975, 0.90463, 0.00303, 0.0, 0.93436, 0.66711, 0.01799, 0.9924, 0.85188,
0.85912, 0.87112, 0.01973, 0.63834, 0.64741, 0.06465, 0.06521, 0.42098, 0.73724, 0.31299,
0.88215, 0.90051, 0.81997, 0.95985, 0.33599, 0.40494, 0.88442, 0.0, 0.0, 0.83327,
0.79802, 0.35831, 0.01498, 0.9909, 0.08315, 0.66085, 0.66397, 0.94616, 0.81412, 0.83521,
0.95701, 0.72068, 8e-05, 0.62333, 0.09822, 0.76215, 0.87812, 0.93228, 0.00033, 0.0,
0.81552, 0.51051, 0.91455, 0.0, 0.00024, 0.83926, 0.13759, 0.26159, 0.60253, 0.01088,
0.71392, 0.10763, 0.89284, 0.3285, 0.08792, 0.0, 0.85177, 0.79829, 0.87048, 0.65896,
0.82504, 0.76809, 0.38868, 0.50562, 0.69606, 0.83334, 0.31914, 0.27777, 0.78106, 6e-05,
0.0, 0.93466, 0.74669, 0.60927, 0.1728, 0.19641, 0.2739, 0.92478, 0.96385, 0.0,
0.69251, 0.9082, 0.70993, 3e-05, 0.0, 0.75534, 0.08925, 0.50013, 0.59023, 0.01423,
2e-05, 0.12135, 0.85847, 0.00164, 0.8859, 0.00246, 0.51261, 0.30216, 0.86809, 0.69494,
0.00247, 0.89602, 0.59868, 7e-05, 0.91897, 0.64267, 0.91627, 0.23151, 0.44279, 0.79596,
0.01885, 0.29243, 0.28422, 0.99603, 0.91255, 0.67915, 0.89201, 0.77753, 0.60719, 0.95975,
0.18137, 0.1546, 0.64383, 0.96593, 0.19669, 0.82404, 0.98231, 0.27302, 0.18805, 0.0,
0.68261, 0.6296, 0.02293, 0.0, 0.9731, 0.08581, 0.62543, 0.76949, 0.66724, 0.88789,
0.92198, 0.75583, 0.96611, 0.00115, 0.93666, 0.68866, 0.89657, 0.71895, 0.0, 0.94766,
0.96108, 0.40706, 0.95828, 0.0, 0.81978, 0.95118, 0.84892, 0.88329, 0.78456, 0.97352,
0.68649, 0.42083, 0.41782, 0.09697, 0.79667, 0.88364, 0.83115, 0.8813, 0.99415, 0.6738,
0.98341, 0.94438, 0.80001, 0.0, 0.77804, 0.84052, 0.29258, 0.73352, 0.97524, 0.98193,
0.0, 0.02012, 0.97543, 0.96822, 0.81253, 0.77312, 0.24458, 0.93977, 0.76052, 0.60103,
0.91787, 0.98777, 0.76958, 0.76331, 0.71286, 0.87532, 0.6658, 0.4996, 0.0, 0.64545,
0.80568, 0.85656, 0.94331, 0.99354, 0.54307, 0.74909, 0.95161, 0.98588, 0.13247, 0.0,
0.21857, 0.96922, 0.99133, 0.96473, 0.66736, 0.93286, 0.98603, 0.15018, 0.70267, 0.01198,
0.9812, 0.43031, 0.97368, 0.94333, 0.72137, 0.98418, 0.93496, 0.62019, 0.0, 0.99945,
0.89992, 0.71041, 0.6212, 0.52375, 0.3942, 0.67067, 0.92295, 0.98456, 0.98564, 0.8758,
0.99463, 0.94381, 0.94382, 0.7784, 0.1628, 0.90346, 0.00042, 0.98292, 0.97309, 0.69548,
0.96029, 0.0, 0.96545, 0.80257, 0.00023, 0.95191, 0.94038, 0.82768, 0.8995, 0.98584,
0.6277, 0.82213, 0.95606, 0.98726, 0.13339, 0.00032, 0.98997, 0.93163, 0.89086, 0.99028,
0.96303, 0.88884, 0.99528, 0.13969, 0.77352, 0.85036, 0.94541, 0.59115, 0.98512, 0.95694,
0.81543, 0.28429, 0.99578, 0.98808, 0.85223, 0.15575, 0.33364, 0.97604, 0.99155, 0.90054,
0.99208, 0.60712, 0.98134, 0.93541, 1.00718, 0.9823, 0.97079, 0.66414, 0.302, 0.69145,
0.9932, 0.97381, 0.68745, 1.0001, 0.98088, 0.79647, 0.9238, 1.01026, 0.00391, 0.97843,
0.91765, 0.71654, 0.99149, 0.97218, 0.32367, 0.99139, 0.97472, 0.86509, 0.03768, 0.02374,
0.18801, 0.79787, 0.97795, 0.8347, 0.82799, 0.61118, 1.00187, 0.99989, 0.98515, 0.97909,
0.91595, 0.10959, 0.93512, 1.00562, 0.0, 0.69003, 0.98077, 0.7465, 0.97714, 0.9966,
0.99787, 0.99578, 0.97794, 0.60312, 0.99176, 0.95949, 0.6999, 0.97356, 0.96904, 0.0573,
0.13452, 0.97716, 0.96954, 0.99246, 0.21391, 0.9728, 0.98404, 0.5172, 1.00339, 0.91114,
0.00465, 0.51447, 0.63154, 0.69188, 0.92773, 0.99777, 0.88507, 0.40716, 0.99545, 0.95278,
0.98608, 0.8262, 0.99037, 0.96644, 0.93059, 0.98848, 0.98699, 0.96161, 0.65182, 0.97904,
0.98335, 0.69846, 0.98946, 0.80262, 0.9762, 0.53884, 0.81839, 0.992, 0.99598, 0.97057,
0.98038, 0.8616, 0.97676, 0.82606, 0.99322, 0.65537, 0.48884, 1.00215, 0.98887, 0.8692,
0.21477, 0.88879, 0.6925, 0.64932, 0.99068, 1.00011, 0.98418, 0.96835, 0.99108, 0.96094,
0.93733, 0.99821, 0.98724, 0.43077, 0.99156, 1.00126, 0.80593, 0.60752, 0.99285, 0.99398,
0.9992, 0.98307, 0.94107, 0.88788, 1.00109, 0.0001, 0.96391, 0.77974, 0.97745, 0.97589,
0.93147, 0.97971, 0.01167, 0.0, 0.99202, 0.97259, 0.65711, 0.94732, 0.80932, 0.70469,
0.93707, 0.02118, 0.99943, 0.99637, 0.92242, 0.24604, 0.16671, 0.84163, 0.9094, 0.07028,
0.94006, 0.98469, 0.43973, 0.69326, 0.99743, 0.91469, 0.72106, 0.77641, 0.99696, 0.98408,
0.13681, 0.96954, 0.99383, 0.97266, 0.95387, 0.96465, 0.8625, 0.0, 0.9841, 0.98199,
0.97234, 0.76364, 0.08237, 0.99373, 1.00036, 1.00343, 0.17298, 0.72534, 0.9788, 0.8565,
0.0, 0.99744, 0.94527, 0.98732, 0.05989, 0.61549, 0.97663, 1.00705, 0.13951, 0.99877,
0.99125, 0.9255, 0.98095, 0.91349, 0.44588, 0.76609, 0.92098, 0.90367, 0.9631, 0.48437,
0.98063, 0.94242, 0.95703, 0.51909, 0.87705, 0.9849, 0.99502, 0.96808, 0.01861, 1.00171,
0.02385, 0.93644, 0.99133, 0.43765, 0.92777, 1.00347, 0.95968, 0.66915, 0.93299, 0.00205,
0.22353, 0.33501, 0.73898, 0.95762, 0.01194, 0.79213, 0.0, 0.58841, 0.87265, 0.95764,
0.27127, 0.00073, 0.99685, 0.94511, 0.98494, 0.34793, 0.80683, 0.157, 0.55023, 0.91874,
0.98894, 0.25268, 0.87803, 0.0005, 0.57588, 0.13271, 0.13509, 0.72093, 0.98285, 0.95108,
0.04568, 0.92865, 0.9179, 0.97505, 0.86268, 0.8409, 0.92861, 0.28239, 0.93964, 0.15543,
0.84762, 0.8012, 0.79349, 0.0, 0.19849, 0.60645, 0.95696, 0.83704, 0.91742, 0.80044,
0.87414, 0.7175, 0.99337, 0.72689, 0.99542, 0.99566, 0.79942, 0.98478, 0.89981, 0.8228,
0.85063, 0.65399, 0.73885, 0.98612, 0.96821, 0.88325, 0.961, 0.93603, 0.59629, 0.89733,
0.05871, 0.99015, 0.02122, 0.84649, 0.76339, 0.9411, 0.77132, 0.70793, 0.95945, 0.84496,
0.93305, 0.58042, 0.90098, 0.8566, 0.79814, 0.9118, 0.9368, 0.01079, 0.94997, 0.8792
It should be transpose like this new text:
0.0 0.00038 0.00404 0.0 ...
0.0 0.00034 0.00579 0.01225 ...
0.0 0.0 0.01083 0.03703 ...
....

It has been figured out by this script:
ary = np.genfromtxt('phonon2.txt')
one value per line
np.savetxt('foo.txt', ary[:,0:1])
all the values in one line
np.savetxt('foo1.txt', ary[:,0:1].T)

Related

Why is my variable being overwritten by the function even though it's indirectly referenced?

Why is it that this code:
import random, decimal
data = [[0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0],
[0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.3333333333333333, 0.05555555555555555, 0.05555555555555555, 0.05555555555555555, 0.007936507936507936, 0.007352941176470588, 0.005714285714285714, 0.038461538461538464, 0.006024096385542169, 0.00392156862745098, 0.004048582995951417, 0.007874015748031496, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.03333333333333333, 0.027777777777777776, 0.010638297872340425, 0.006493506493506494, 0.0058823529411764705, 0.003952569169960474, 0.003952569169960474, 0.003952569169960474, 0.003952569169960474, 0.003952569169960474, 0.0044444444444444444, 0.005813953488372093, 0.003952569169960474, 0.004132231404958678, 0.005128205128205128, 0.015625, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.02040816326530612, 0.004201680672268907, 0.003952569169960474, 0.003952569169960474, 0.003952569169960474, 0.003952569169960474, 0.003952569169960474, 0.003952569169960474, 0.003952569169960474, 0.003952569169960474, 0.00398406374501992, 0.010752688172043012, 0.012195121951219513, 0.012195121951219513, 0.017857142857142856, 0.02564102564102564, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
0.0, 0.05555555555555555, 0.0045662100456621, 0.003952569169960474, 0.003952569169960474, 0.003952569169960474, 0.003952569169960474, 0.003952569169960474, 0.005050505050505051, 0.005494505494505495, 0.004048582995951417, 0.004149377593360996, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0125, 0.00641025641025641, 0.009345794392523364, 0.003952569169960474, 0.003952569169960474, 0.004878048780487805, 0.09090909090909091,
0.0, 0.023255813953488372, 0.006493506493506494, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.07142857142857142, 1.0, 0.006493506493506494, 0.003952569169960474, 0.011111111111111112, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.007194244604316547, 0.003952569169960474, 0.005263157894736842, 0.5, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.09090909090909091, 0.005263157894736842, 0.003952569169960474, 0.014285714285714285, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0],
[0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.02857142857142857, 0.004149377593360996, 0.0044444444444444444, 0.00625, 0.009259259259259259, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.012345679012345678, 0.004166666666666667, 0.003952569169960474, 0.003952569169960474, 0.008403361344537815, 0.04, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.022222222222222223, 0.005376344086021506, 0.003952569169960474, 0.003952569169960474, 0.006666666666666667, 0.037037037037037035, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0625, 0.010752688172043012, 0.003968253968253968, 0.003952569169960474, 0.0053475935828877, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.004016064257028112, 0.003952569169960474, 0.004016064257028112, 0.015625, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.021739130434782608, 0.007692307692307693, 0.00546448087431694, 0.003952569169960474, 0.003952569169960474, 0.004830917874396135, 0.5, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.02564102564102564, 0.006756756756756757, 0.004366812227074236, 0.003952569169960474, 0.003952569169960474, 0.003952569169960474, 0.004, 0.005494505494505495, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.041666666666666664, 0.008771929824561403, 0.004524886877828055, 0.003952569169960474, 0.003952569169960474, 0.003952569169960474, 0.003952569169960474, 0.004975124378109453, 0.01282051282051282, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.043478260869565216, 0.015151515151515152, 0.004694835680751174, 0.003952569169960474, 0.003952569169960474, 0.003952569169960474, 0.003952569169960474, 0.005050505050505051, 0.012345679012345678,
0.5, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.05555555555555555, 0.005847953216374269, 0.0045662100456621, 0.003952569169960474, 0.003952569169960474, 0.003952569169960474, 0.003952569169960474, 0.005128205128205128, 0.0125, 0.1111111111111111, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.01818181818181818, 0.005813953488372093, 0.004424778761061947, 0.003952569169960474, 0.003952569169960474, 0.003952569169960474, 0.003952569169960474, 0.004098360655737705, 0.007518796992481203, 0.09090909090909091, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.007352941176470588, 0.003952569169960474, 0.003952569169960474, 0.003952569169960474, 0.0047169811320754715, 0.007407407407407408, 0.007575757575757576, 0.0625, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]]
[[0.2958373547424454, 0.7017788649452896, 0.062273689823917136, 0.5972807574704273, 0.9954328393432262, 0.06846660132933566, 0.951370577952487, 0.13857649386421894, 0.9155594510837761, 0.25332617322833023], [0.9435904403108412, 0.8308103147735971, 0.5642138942684856, 0.569439896252594, 0.008026089778913156, 0.14708273242122766, 0.025129344862662672, 0.10605633957699719, 0.017149039312628126, 0.9685317671516491, 0.9604996293414068, 0.13009421347484584, 0.011168020783984038, 0.9660212281911376, 0.009785512162735856, 0.774118311034036], [0.39828514946703536, 0.9719812893589492, 0.29744104658316833, 0.2407147714636478, 0.17834097142046978, 0.30339140369565476, 0.23414714143729679, 0.010316054064037888, 0.9665891555382209, 0.2709023215219119, 0.18678849879884543, 0.6853950395070337, 0.49793613573495626, 0.7369771877120291, 0.5822901326349779, 0.35804830353223377]]
def rnd():
return float(decimal.Decimal(random.randrange(-200, 200))/100)
def neuronPositivityTotal(aIndex, imageData, weightsBalances):
""" Calculates the total positivity of all nodes.."""
# Step 1: Level 1 Neurons
for z in range(len(aIndex[2])):
value = 0.0
# weightsBalances[2] is the level 1 values
balance = weightsBalances[2][z][1]
weights = weightsBalances[2][z][0]
for y in range(len(imageData)):
for x in range(len(imageData[y])):
value += imageData[x][y]*weights[x][y]
value += balance
aIndex[2][z] = value
activationIndex = [[0.0 for x in range(10)], [0.0 for x in range(16)], [0.0 for x in range(16)]]
answerWB = {}
n1WB = {}
n2WB = {}
for x in range(10):
answerWB[x] = [[rnd() for y in range(16)], rnd()]
for x in range(16):
n2WB[x] = [[rnd() for y in range(16)], rnd()]
n1WB[x] = [[[rnd() for y in range(28)] for x in range(28)], rnd()]
weightsBalances = [answerWB, n2WB, n1WB]
print(activationIndex)
neuronPositivityTotal(activationIndex, data, weightsBalances)
print(activationIndex)
Outputs:
[[0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]]
[[0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.7268240240758053, 2.1047003177465773, -0.14702590533853588, 1.6819534808112164, 2.1421710797784743, -2.0840036534506106, -0.6067792109947316, 0.40979446487814936, 1.9165752482288656, 0.5045996467720566, -0.08187273316902777, -0.9549459648875294, -0.19719768439019592, -3.4785770307824064, -4.423173617897677, -1.8256438294590946]]
Even though there are no global tags in the program? It's part of a larger deep learning project that I'm working on and I can' figure it out. The value of activationIndex is only ever set once and the values are used with the aIndex variable. (Using python 3.8)

Passing an argument to a function makes an alias pointing to that same object in the local parameter name within the function. When you do:
aIndex[2][z] = value
it's equivalent to doing:
activationIndex[2][z] = value
because aIndex is an alias to the same list bound to activationIndex; the "pointer" to that list is copied (so saying aIndex = 'foo' won't change activationIndex, as it just assigns a new "pointer"), but mutations to the pointed-to object will be seen through both aliases until one of them is rebound to a new object.
If you want to sever that aliasing linkage to the caller, deepcopy aIndex when you receive it, adding:
from copy import deepcopy # At top of file
and changing the beginning of neuronPositivityTotal to:
def neuronPositivityTotal(aIndex, imageData, weightsBalances):
""" Calculates the total positivity of all nodes.."""
aIndex = deepcopy(aIndex)
# ... rest of function ...

Python statistics.median_grouped returns value outside of input range

I'm analyzing some data and got this list, median_grouped of which seems to be outside of range of values in the list.
screen:
statistics.median_grouped(rcdistance)
-0.1250640605965987
min(rcdistance)
0.0
Here's the list:
[0.0, 0.21098454268727887, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 6.800735254367722, 6.800735254367722, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 2.3691164850450193, 0.8341463454328069, 6.954672651889972, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.894523526205462, 0.5202041513165154, 0.3195953715186193, 1.19650727442225, 1.9829608504017993, 0.320822054594543, 0.8021892543724501, 0.06639592707563217, 0.33791893636471976, 1.3469748280785028, 0.46225975601521924, 0.29146628081088805, 0.31432316149828754, 0.24174865833529519, 0.10137129170776715, 2.07576600608641, 0.2615844609784234, 0.6481662780506829, 0.13578192040175857, 0.13470214233110803, 0.34278013217398423, 0.09326076007769707, 0.4336006232739294, 0.6007209936117036, 2.8535831869013726, 0.7286885646881327, 0.6175406688934962, 0.6432741795490186, 0.25089604017432937, 0.2247559442381167, 0.10569371849097034, 0.13555324220681084, 11.575372015987313, 0.13669258957306155, 1.634337739537961, 0.7023579970496473, 0.9488940841470294, 1.9556804571337925, 0.8370864316757329, 1.2024907508700595, 2.2424077713328843, 0.49703062007687854, 0.7817924904836159, 2.3319974222716975, 1.8335319342837306, 0.0, 3.28868490484547, 1.4314796804850678, 1.3638514553202294, 0.3513379545492983, 0.16043624593306288, 12.960363339703447, 1.4495399509870706, 0.2861815531492466, 0.23131921608674785, 0.07470703125, 0.3156641038900055, 0.12637431907281702, 0.6356548946706172, 2.1073361751465227, 0.1782201479382565, 1.3450383951599099, 0.8871288611532409, 1.4173304274383594, 0.14168172737548348, 0.3703729958352881, 1.658888478625415, 1.2477698697766813, 1.7575586601929727, 2.167596692301178, 2.051780602511496, 0.37814640268331945, 2.1041473318539876, 1.1896854668558041, 0.9250246006039865, 1.3271447098141402, 1.6116094170310153, 1.0963143124740196, 1.4711895830945183, 0.1623601238081846, 1.577846710293568, 0.07569225630868787, 1.200957612567313, 0.18243840079429852, 0.7718713876122335, 0.6783927775524854, 1.7536286642036438, 1.7548529400031645, 0.16162109375, 0.6676365879769467, 0.2727575294371441, 13.361847527117655, 2.2281143134718224, 0.5390126302014291, 0.9547223635736837, 0.17379417516519388, 0.15405041289356222, 0.918123792176202, 0.2754296890581234, 0.5438064589731, 1.6679939428923882, 0.33831407770944383, 0.13401630343709894, 0.4036704845489422, 2.4687540199150484, 1.364673723134251, 1.462182233800534, 0.2524997193740947, 0.6879091779122948, 0.07512909587034285, 1.168234753379213, 0.460947068971782, 0.9278222935828773, 0.5815480934256779, 0.15330106772382537, 0.16744291813233583, 0.11594392249731117, 2.424850113159381, 0.8373170681343546, 4.714464894570124, 0.8284206942102329, 6.691576922679101, 0.9362133734023534, 0.3749359394034013, 0.7812593459523988, 5.344434281645955, 0.34577846245001914, 2.6886532105742007, 0.261063966541952, 0.14849250175991532, 0.3498228476287005]

Could not convert string to float -Using Pandas and Numpy for a SVM Classifier

I'm trying to use pandas to create a SVM classifier. I already generated my feature and save it using to_csv from pandas lib. This feature(Color) consists in a whole histogram. So, I have a list of 0 to 255 float values per line. There are 362 lines.
Here is a piece of my code:
if __name__ == '__main__':
train = pd.read_csv('Train.csv',index_col='Object')
XTrain = train['Color']
ColorLabel = train['ColorLabel']
leTrain = LabelEncoder()
leTrain.fit(ColorLabel)
ColorLabel = leTrain.transform(ColorLabel)
svm = SVC()
parameters = {'kernel': ('linear', 'rbf'), 'C': (1, 0.25, 0.5, 0.75,0.05), 'gamma': (0.5,1, 2, 3, 'auto'),
'decision_function_shape': ('ovo', 'ovr'),'class_weight': [{0: 1,1: w2} for w2 in [2, 4, 6, 10,12]]}
clf = GridSearchCV(svm, parameters,verbose = 2)
clf.fit(XTrain, ColorLabel)
Im just trying to fit the feature column Color in SVC.fit, however I receive an error message that says:
return array(a, dtype, copy=False, order=order)
ValueError: could not convert string to float: '[0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 2.0, 10.0, 0.0, 2.0, 0.0, 7.0, 0.0, 12.0, 2.0, 18.0, 36.0, 0.0, 87.0, 34.0, 13.0, 41.0, 30.0, 118.0, 137.0, 169.0, 530.0, 4684.0, 5746.0, 1975.0, 1815.0, 4079.0, 4725.0, 2411.0, 131.0, 434.0, 3799.0, 1435.0, 4380.0, 5.0, 0.0, 546.0, 0.0, 1695.0, 15.0, 0.0, 116.0, 82.0, 4.0, 52.0, 54.0, 4.0, 2.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]'
Here is the head of my Train.csv
Object,Kurtosis,Skewness,Color,TextureLabel,ColorLabel
0122_LSG.jpg,-0.19026044432874611,-0.9694201939544961,"[0.0, 0.0, 0.0,
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 10.0, 6.0, 16.0, 90.0, 47.0, 114.0, 126.0, 1918.0, 733.0, 5404.0, 3956.0, 12750.0, 13551.0, 3222.0, 3927.0, 5776.0, 4896.0, 3807.0, 9007.0, 8835.0, 1029.0, 684.0, 495.0, 172.0, 121.0, 125.0, 37.0, 93.0, 31.0, 96.0, 73.0, 7.0, 15.0, 0.0, 22.0, 0.0, 0.0, 7.0, 5.0, 0.0, 0.0, 0.0, 2.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]",L,S 0075_LSG.jpg,-0.25089779696431913,-0.5106815852572715,"[0.0, 0.0, 0.0,
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 22.0, 16.0, 461.0, 6.0, 37.0, 216.0, 5.0, 348.0, 45.0, 264.0, 294.0, 316.0, 999.0, 3057.0, 3625.0, 5399.0, 2420.0, 6031.0, 6636.0, 7442.0, 801.0, 5958.0, 7289.0, 11785.0, 6150.0, 8537.0, 4414.0, 398.0, 489.0, 449.0, 155.0, 270.0, 64.0, 230.0, 51.0, 101.0, 121.0, 73.0, 76.0, 36.0, 46.0, 123.0, 45.0, 51.0, 1.0, 78.0, 28.0, 0.0, 4.0, 70.0, 53.0, 0.0, 41.0, 75.0, 4.0, 39.0, 1.0, 94.0, 0.0, 18.0, 198.0, 0.0, 4.0, 225.0, 16.0, 158.0, 147.0, 8.0, 0.0, 6.0, 22.0, 0.0, 2.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]",L,S 0157_LSP.jpg,-0.604961472275447,-0.8074495729146061,"[0.0, 0.0, 0.0,
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 5.0, 0.0, 48.0, 0.0, 0.0, 0.0, 0.0, 28.0, 0.0,
I TRIED ALL THE TYPES OF TYPE CASTING THAT I KNOW astype,dtype,converters... PLEASE HELP ME

XTrain =[list(map(float, hist)) for hist in train['Color']]
Plus using ; as sep when reading and writing file
SOLVE IT .

Get dictionary to return value which is a list

Say I have a dictionary as follows:
int_dict = {'225V': [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.00042221570989764797, 0.000753258875755701, 0.003852039985672886, 0.011042731703081414, 0.013775737249411177, 0.023793863219476193, 0.3470222395884211, 0.775448536355052, 1.0, 0.1270782455797597, 0.01172326962109125, 0.004732289190626594, 0.0029772177178643915, 0.0011038390153365243, 0.00021382132352143097, 3.690317258745509e-05, 0.0, 1.9536973722770343e-05, 2.9305460584155513e-05, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], '200V': [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.00015717571282393433, 0.0001721448283309757, 0.0004971884793410167, 0.002205806092216167, 0.006079599340931228, 0.008604033748940133, 0.01041101983514727, 0.014544634160163121, 0.20226482717621536, 0.4910233421971882, 1.0, 0.35534969457658255, 0.03197296150050414, 0.0064965961300559524, 0.004953708010294475, 0.0013910585196186297, 0.0008639318092635302, 0.0002673056340543101, 0.00017642171847584467, 0.0001593141578963688, 0.0002330905128953584, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], '175V': [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 4.233299441281443e-05, 0.00011776269354837468, 0.00028940374362214957, 0.0008674415400589429, 0.00037253035083276696, 0.0006442312058822851, 0.004018555705987348, 0.0100167561688794, 0.007904724593083712, 0.011351400029094313, 0.021405101356733985, 0.2909161860588983, 0.43555956136860263, 1.0, 0.45147753695862836, 0.04982670411469009, 0.007522957952560877, 0.003798424135040713, 0.0016963985397426, 0.0005118443869913018, 0.0005203109858738646, 0.0001777985765338206, 0.00014932001665610907, 3.694515876027441e-05, 7.389031752054882e-05, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], '150V': [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0003248755743041561, 0.0, 0.00019789375084517123, 0.0010175037022622554, 0.0019063764664751495, 0.007760733262311465, 0.011670783956093974, 0.009624232749436827, 0.0126553053665487, 0.010752227129254303, 0.13385533307167383, 0.4216687060717101, 0.445378026537552, 1.0, 0.45462791027497335, 0.05259686074546576, 0.006777860966447114, 0.004309136424653604, 0.001847008341221598, 0.0002968406262677568, 0.0003248755743041561, 0.0005689445336798673, 8.080661492844491e-05, 9.070130247070348e-05, 4.28769793497871e-05, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], '125V': [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.00029514095818647233, 0.0007454201123427571, 0.0014359742773303364, 0.0015854366856427168, 0.0010916431594461188, 0.0032087119556683144, 0.005912278809825167, 0.008021779889170787, 0.009039637809070288, 0.01187374777934808, 0.010369664050128556, 0.011465091068012963, 0.07734774226626634, 0.35764651572855355, 0.3684532154283044, 0.5284309663406873, 1.0, 0.5826933882749579, 0.11005919846526702, 0.015873286148618607, 0.0029646530863987317, 0.0012657006476073716, 0.00039162934836281906, 0.00010594803627206698, 0.0, 0.0, 3.783858438288107e-05, 7.000138110832998e-05, 3.5946655163737015e-05, 5.864980579346566e-05, 0.0, 0.0, 6.621752267004187e-05, 5.6757876574321605e-05, 0.0002402750108312948, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], '100V': [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.00015391696584737182, 0.0, 0.0, 0.0, 0.00014360673847003592, 0.0, 0.0, 0.0, 0.0001421338488447022, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 2.4302678818006077e-05, 0.0, 0.0, 0.0, 5.596980576268066e-05, 0.0, 0.00014139740403203534, 0.00010236582896069226, 9.57378256466906e-06, 0.0005530700543128049, 0.0007187701371628464, 0.0012409095093436435, 0.001455951394642364, 0.0016768848384424192, 0.0019331676332504833, 0.0022019699898738836, 0.0026821320077326707, 0.004161649636380374, 0.00737107612998251, 0.009492773635275707, 0.011431096382214857, 0.01061216975052932, 0.010369879407161926, 0.013166896805670625, 0.017470680290895702, 0.01650004602780079, 0.017667311055877752, 0.05598158887968333, 0.21312491945134862, 0.3979733038755408, 0.38704519930037745, 0.3747207953603977, 0.7183746662984443, 1.0, 0.7719819571020896, 0.32056558961612813, 0.07435809629015926, 0.01610531160821136, 0.0030614010862560987, 0.0012659486329743164, 0.00038221485777409554, 0.0007069870201601768, 0.0003711681855840928, 0.000414618429531437, 0.00030857037650741046, 0.00021651477492405413, 0.00018484764797937955, 0.0002629107981220657, 0.00015907207953603977, 0.0003056245972567431, 0.0002452361226180613, 0.00030857037650741046, 0.0002857405873147381, 3.019423731934088e-05, 0.00025554634999539724, 0.00019368498573138176, 0.0003100432661327442, 0.00027469391512473533, 0.00019442143054404862, 0.0003225628279480806, 5.4496916137346955e-05, 0.0, 2.945779250667403e-05, 0.0, 2.5039123630672928e-05, 0.0, 1.1046672190002762e-05, 0.0, 3.5349351008008835e-05, 2.6512013256006627e-05, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]}
Now I want to call the list corresponding to '225V' so that I can do something with it e.g. get the length of it or use some other function.
If I use:
print(int_dict.get('V225')
it just returns None and will not print my list, so it is not getting the list for me. I don't know what to do.
Please help me
EDIT: I have added the dictionary and the code I am using to try an get the list.

In your dict the key you have defined is 225V and you are trying to get V225. Also there is a syntax error in print statement, you have not closed )
int_dict = {'225V': [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.00042221570989764797, 0.000753258875755701, 0.003852039985672886, 0.011042731703081414, 0.013775737249411177, 0.023793863219476193, 0.3470222395884211, 0.775448536355052, 1.0, 0.1270782455797597, 0.01172326962109125, 0.004732289190626594, 0.0029772177178643915, 0.0011038390153365243, 0.00021382132352143097, 3.690317258745509e-05, 0.0, 1.9536973722770343e-05, 2.9305460584155513e-05, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], '200V': [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.00015717571282393433, 0.0001721448283309757, 0.0004971884793410167, 0.002205806092216167, 0.006079599340931228, 0.008604033748940133, 0.01041101983514727, 0.014544634160163121, 0.20226482717621536, 0.4910233421971882, 1.0, 0.35534969457658255, 0.03197296150050414, 0.0064965961300559524, 0.004953708010294475, 0.0013910585196186297, 0.0008639318092635302, 0.0002673056340543101, 0.00017642171847584467, 0.0001593141578963688, 0.0002330905128953584, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], '175V': [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 4.233299441281443e-05, 0.00011776269354837468, 0.00028940374362214957, 0.0008674415400589429, 0.00037253035083276696, 0.0006442312058822851, 0.004018555705987348, 0.0100167561688794, 0.007904724593083712, 0.011351400029094313, 0.021405101356733985, 0.2909161860588983, 0.43555956136860263, 1.0, 0.45147753695862836, 0.04982670411469009, 0.007522957952560877, 0.003798424135040713, 0.0016963985397426, 0.0005118443869913018, 0.0005203109858738646, 0.0001777985765338206, 0.00014932001665610907, 3.694515876027441e-05, 7.389031752054882e-05, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], '150V': [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0003248755743041561, 0.0, 0.00019789375084517123, 0.0010175037022622554, 0.0019063764664751495, 0.007760733262311465, 0.011670783956093974, 0.009624232749436827, 0.0126553053665487, 0.010752227129254303, 0.13385533307167383, 0.4216687060717101, 0.445378026537552, 1.0, 0.45462791027497335, 0.05259686074546576, 0.006777860966447114, 0.004309136424653604, 0.001847008341221598, 0.0002968406262677568, 0.0003248755743041561, 0.0005689445336798673, 8.080661492844491e-05, 9.070130247070348e-05, 4.28769793497871e-05, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], '125V': [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.00029514095818647233, 0.0007454201123427571, 0.0014359742773303364, 0.0015854366856427168, 0.0010916431594461188, 0.0032087119556683144, 0.005912278809825167, 0.008021779889170787, 0.009039637809070288, 0.01187374777934808, 0.010369664050128556, 0.011465091068012963, 0.07734774226626634, 0.35764651572855355, 0.3684532154283044, 0.5284309663406873, 1.0, 0.5826933882749579, 0.11005919846526702, 0.015873286148618607, 0.0029646530863987317, 0.0012657006476073716, 0.00039162934836281906, 0.00010594803627206698, 0.0, 0.0, 3.783858438288107e-05, 7.000138110832998e-05, 3.5946655163737015e-05, 5.864980579346566e-05, 0.0, 0.0, 6.621752267004187e-05, 5.6757876574321605e-05, 0.0002402750108312948, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], '100V': [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.00015391696584737182, 0.0, 0.0, 0.0, 0.00014360673847003592, 0.0, 0.0, 0.0, 0.0001421338488447022, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 2.4302678818006077e-05, 0.0, 0.0, 0.0, 5.596980576268066e-05, 0.0, 0.00014139740403203534, 0.00010236582896069226, 9.57378256466906e-06, 0.0005530700543128049, 0.0007187701371628464, 0.0012409095093436435, 0.001455951394642364, 0.0016768848384424192, 0.0019331676332504833, 0.0022019699898738836, 0.0026821320077326707, 0.004161649636380374, 0.00737107612998251, 0.009492773635275707, 0.011431096382214857, 0.01061216975052932, 0.010369879407161926, 0.013166896805670625, 0.017470680290895702, 0.01650004602780079, 0.017667311055877752, 0.05598158887968333, 0.21312491945134862, 0.3979733038755408, 0.38704519930037745, 0.3747207953603977, 0.7183746662984443, 1.0, 0.7719819571020896, 0.32056558961612813, 0.07435809629015926, 0.01610531160821136, 0.0030614010862560987, 0.0012659486329743164, 0.00038221485777409554, 0.0007069870201601768, 0.0003711681855840928, 0.000414618429531437, 0.00030857037650741046, 0.00021651477492405413, 0.00018484764797937955, 0.0002629107981220657, 0.00015907207953603977, 0.0003056245972567431, 0.0002452361226180613, 0.00030857037650741046, 0.0002857405873147381, 3.019423731934088e-05, 0.00025554634999539724, 0.00019368498573138176, 0.0003100432661327442, 0.00027469391512473533, 0.00019442143054404862, 0.0003225628279480806, 5.4496916137346955e-05, 0.0, 2.945779250667403e-05, 0.0, 2.5039123630672928e-05, 0.0, 1.1046672190002762e-05, 0.0, 3.5349351008008835e-05, 2.6512013256006627e-05, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]}
print(int_dict.get('225V'))
Output:
[0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.00042221570989764797, 0.000753258875755701, 0.003852039985672886, 0.011042731703081414, 0.013775737249411177, 0.023793863219476193, 0.3470222395884211, 0.775448536355052, 1.0, 0.1270782455797597, 0.01172326962109125, 0.004732289190626594, 0.0029772177178643915, 0.0011038390153365243, 0.00021382132352143097, 3.690317258745509e-05, 0.0, 1.9536973722770343e-05, 2.9305460584155513e-05, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]

You can also access the elements of the dictionary by the method started below -
int_dict = {'225V': [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.00042221570989764797, 0.000753258875755701, 0.003852039985672886, 0.011042731703081414, 0.013775737249411177, 0.023793863219476193, 0.3470222395884211, 0.775448536355052, 1.0, 0.1270782455797597, 0.01172326962109125, 0.004732289190626594, 0.0029772177178643915, 0.0011038390153365243, 0.00021382132352143097, 3.690317258745509e-05, 0.0, 1.9536973722770343e-05, 2.9305460584155513e-05, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], '200V': [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.00015717571282393433, 0.0001721448283309757, 0.0004971884793410167, 0.002205806092216167, 0.006079599340931228, 0.008604033748940133, 0.01041101983514727, 0.014544634160163121, 0.20226482717621536, 0.4910233421971882, 1.0, 0.35534969457658255, 0.03197296150050414, 0.0064965961300559524, 0.004953708010294475, 0.0013910585196186297, 0.0008639318092635302, 0.0002673056340543101, 0.00017642171847584467, 0.0001593141578963688, 0.0002330905128953584, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], '175V': [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 4.233299441281443e-05, 0.00011776269354837468, 0.00028940374362214957, 0.0008674415400589429, 0.00037253035083276696, 0.0006442312058822851, 0.004018555705987348, 0.0100167561688794, 0.007904724593083712, 0.011351400029094313, 0.021405101356733985, 0.2909161860588983, 0.43555956136860263, 1.0, 0.45147753695862836, 0.04982670411469009, 0.007522957952560877, 0.003798424135040713, 0.0016963985397426, 0.0005118443869913018, 0.0005203109858738646, 0.0001777985765338206, 0.00014932001665610907, 3.694515876027441e-05, 7.389031752054882e-05, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], '150V': [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0003248755743041561, 0.0, 0.00019789375084517123, 0.0010175037022622554, 0.0019063764664751495, 0.007760733262311465, 0.011670783956093974, 0.009624232749436827, 0.0126553053665487, 0.010752227129254303, 0.13385533307167383, 0.4216687060717101, 0.445378026537552, 1.0, 0.45462791027497335, 0.05259686074546576, 0.006777860966447114, 0.004309136424653604, 0.001847008341221598, 0.0002968406262677568, 0.0003248755743041561, 0.0005689445336798673, 8.080661492844491e-05, 9.070130247070348e-05, 4.28769793497871e-05, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], '125V': [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.00029514095818647233, 0.0007454201123427571, 0.0014359742773303364, 0.0015854366856427168, 0.0010916431594461188, 0.0032087119556683144, 0.005912278809825167, 0.008021779889170787, 0.009039637809070288, 0.01187374777934808, 0.010369664050128556, 0.011465091068012963, 0.07734774226626634, 0.35764651572855355, 0.3684532154283044, 0.5284309663406873, 1.0, 0.5826933882749579, 0.11005919846526702, 0.015873286148618607, 0.0029646530863987317, 0.0012657006476073716, 0.00039162934836281906, 0.00010594803627206698, 0.0, 0.0, 3.783858438288107e-05, 7.000138110832998e-05, 3.5946655163737015e-05, 5.864980579346566e-05, 0.0, 0.0, 6.621752267004187e-05, 5.6757876574321605e-05, 0.0002402750108312948, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], '100V': [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.00015391696584737182, 0.0, 0.0, 0.0, 0.00014360673847003592, 0.0, 0.0, 0.0, 0.0001421338488447022, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 2.4302678818006077e-05, 0.0, 0.0, 0.0, 5.596980576268066e-05, 0.0, 0.00014139740403203534, 0.00010236582896069226, 9.57378256466906e-06, 0.0005530700543128049, 0.0007187701371628464, 0.0012409095093436435, 0.001455951394642364, 0.0016768848384424192, 0.0019331676332504833, 0.0022019699898738836, 0.0026821320077326707, 0.004161649636380374, 0.00737107612998251, 0.009492773635275707, 0.011431096382214857, 0.01061216975052932, 0.010369879407161926, 0.013166896805670625, 0.017470680290895702, 0.01650004602780079, 0.017667311055877752, 0.05598158887968333, 0.21312491945134862, 0.3979733038755408, 0.38704519930037745, 0.3747207953603977, 0.7183746662984443, 1.0, 0.7719819571020896, 0.32056558961612813, 0.07435809629015926, 0.01610531160821136, 0.0030614010862560987, 0.0012659486329743164, 0.00038221485777409554, 0.0007069870201601768, 0.0003711681855840928, 0.000414618429531437, 0.00030857037650741046, 0.00021651477492405413, 0.00018484764797937955, 0.0002629107981220657, 0.00015907207953603977, 0.0003056245972567431, 0.0002452361226180613, 0.00030857037650741046, 0.0002857405873147381, 3.019423731934088e-05, 0.00025554634999539724, 0.00019368498573138176, 0.0003100432661327442, 0.00027469391512473533, 0.00019442143054404862, 0.0003225628279480806, 5.4496916137346955e-05, 0.0, 2.945779250667403e-05, 0.0, 2.5039123630672928e-05, 0.0, 1.1046672190002762e-05, 0.0, 3.5349351008008835e-05, 2.6512013256006627e-05, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]}
int_dict['225V']
Output-
[0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.00042221570989764797, 0.000753258875755701,0.003852039985672886, 0.011042731703081414, 0.013775737249411177, 0.023793863219476193, 0.3470222395884211, 0.775448536355052, 1.0, 0.1270782455797597, 0.01172326962109125, 0.004732289190626594, 0.0029772177178643915, 0.0011038390153365243, 0.00021382132352143097, 3.690317258745509e-05, 0.0, 1.9536973722770343e-05, 2.9305460584155513e-05, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]

lpsolve - results are different every time I change the order of constraints

I have noticed a strange behaviour of lpsolve library (using it in python 3.4).
When I change the order of constraints which I add to the lpsolve model the results are also slightly different.
Will be glad for any hints why this is happening.
Adding both models to reproduce the case:
lp model 1: http://pastie.org/private/mginn1s7orxkq58mv3dxrw
lp model 2: http://pastie.org/private/ron5k7y3hipxhci1hap8nq
If you run both models you will get slightly different results (while the objective function is almost the same):
obj1: 458093300.0000001
obj2: 458093300.00000006
vars1: [0.0, 350260.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1900.0, 1198215.0, 318324.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 4310807.0, 0.0, 0.0, 0.0, 1345965.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 4505218.0, 0.0, 1689912.0, 0.0, 0.0, 0.0, 0.0, 0.0, 479929.0, 0.0, 0.0, 0.0, 0.0, 0.0, 782031.0, 0.0, 0.0, 190146.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 5224280.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 3058056.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 650240.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 509539.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1351133.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 301872.0, 5.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 380880.0, 268556.0, 1201311.0]
vars2: [0.0, 350260.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1198215.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 515323.0, 0.0, 0.0, 0.0, 1345965.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 4505218.0, 0.0, 1010333.0, 0.0, 0.0, 0.0, 0.0, 0.0, 479938.0, 0.0, 0.0, 0.0, 0.0, 0.0, 782031.0, 0.0, 0.0, 190146.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 5224280.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 3082057.0, 0.0, 0.0, 3061853.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 650240.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 623447.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1347336.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 301872.0, 305463.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 536019.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 380880.0, 268556.0, 1201311.0]
Python code to reproduce:
from lpsolve55 import *
mod1 = lpsolve("read_lp", "/home/../model_1.lp")
mod2 = lpsolve("read_lp", "/home/../model_2.lp")
res1 = lpsolve('solve', mod1)
res2 = lpsolve('solve', mod2)
obj1 = lpsolve('get_objective', mod1)
obj2 = lpsolve('get_objective', mod2)
vars1 = lpsolve('get_variables', mod1)[0]
vars2 = lpsolve('get_variables', mod2)[0]
print("obj1: ", obj1)
print("obj2: ", obj2)
print("vars1: ", vars1)
print("vars2: ", vars2)

This could be because your model is not completely numerically stable. You probably have inputs variable who are not in the same range (eg: x1 can be -1..+1 and x2 can be -1000000..+1000000)

We Keep Coding

Python is a programming language that lets you work quickly and integrate systems more effectively.

How to transpose data in text? - python

It has been figured out by this script: ary = np.genfromtxt('phonon2.txt') one value per line np.savetxt('foo.txt', ary[:,0:1]) all the values in one line np.savetxt('foo1.txt', ary[:,0:1].T)

Related

Why is my variable being overwritten by the function even though it's indirectly referenced?

Python statistics.median_grouped returns value outside of input range

Could not convert string to float -Using Pandas and Numpy for a SVM Classifier

Get dictionary to return value which is a list

lpsolve - results are different every time I change the order of constraints

Categories

Resources