Numpy学习第一天——输入输出

二进制文件

• save(filename, arr)：
  将一个numpy的多维数组保存为npy格式的二进制文件，第一行以文本形式保存了数组的源信息，如ndim，dtype，shape
• savez(filename, *args, **kwds)：
  将多个bumpy的多维数组保存为多个npy文件的压缩文件格式npz
• load()：
  识别npz文件，返回类似字典的对象，可通过矩阵名获取数组的内容

# 尝试save()
import numpy as np  # 导包
outfile = r'.\test.npy'  # 写出的文件名，r表示不对转义字符组合进行转义
np.random.seed(20200619)
x = np.random.uniform(0, 1, [3, 5])  # 3*5的矩阵，元素为均匀分布的随机数
np.save(outfile, x)  # 保存成文件
y = np.load(outfile)  # 读取文件
print(y)

运行结果：

# 尝试savez()
import numpy as np
outfile = r'.\test.npz'
x = np.linspace(0, np.pi, 5)
y = np.sin(x)
z = np.cos(x)
np.savez(outfile, x, y, z_d=z)  # 数组x，y使用了默认的名字，z使用了命名参数作为名字
data = np.load(outfile)  # 加载npz文件
np.set_printoptions(suppress=True)  # 设置打印格式选项，这里强制使用小数点形式
print(data.files)  # 打印包含的数组名
print(data['arr_0'])
print(data['arr_1'])
print(data['z_d'])

运行结果：

文本文件

numpy.savetxt(fname, X, fmt='%.18e', delimiter=' ', newline='\n', header='', footer='', comments='# ', encoding=None)

• fname：文件名，文件路径
• X：存入文件的数组、
• fmt：写入文件中的每个字符串的字符串格式
• delimiter：字符串分割符

numpy.loadtxt(fname, dtype=float, comments='#', delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0, encoding='bytes', max_rows=None)

• fname：同上
• dtype：numpy数据类型
• comments：字符串或字符串组成的列表，默认为# ， 表示注释字符集开始的标志
• skiprows：跳过前面多少行
• usecols：元组， 用来指定要读取数据的列（第一列为0）
• unpack：当加载多列数据时是否需要将数据列进行解耦赋值给不同的变量

# 读写txt文件
import numpy as np
outfile = './test.txt'
x = np.arange(0, 10).reshape(2, 5)  # 重塑，2*5矩阵
np.savetxt(outfile, x)
y = np.loadtxt(outfile)
print(y)

# 读写csv文件
import numpy as np
outfile = './test.csv'
x = np.arange(0, 10, 0.5).reshape(4, 5)
np.savetxt(outfile, x, fmt='%.3f', delimiter=',')
y = np.loadtxt(outfile, delimiter=',')
print(y)

文本格式选项

numpy.set_printoptions(precision=None,threshold=None, edgeitems=None,linewidth=None, suppress=None, nanstr=None, infstr=None,formatter=None, sign=None, floatmode=None, **kwarg)

• precision：设置精度，控制输出小数位
• threshold：概略显示，超过该值以“…”显示
• linewidth：每行多少字符后换行
• suppress：为真时，不以科学计数法表示
• nanstr：Not a number，一种特殊的数，默认为“nan”
• infstr：无穷大，一种特殊的数，默认为“inf”

import numpy as np
np.set_printoptions(precision=4)  # 精度设为4
x = np.array([1.123456789])  # 转为numpy格式的数组
print(x)
np.set_printoptions(threshold=20)  # 每行20个字符
x = np.arange(50)  # 序列
print(x)
np.set_printoptions(threshold=np.iinfo(np.int).max)  # np.int的最大值
print(x)
eps = np.finfo(float).eps # epsilon，意为很小很小的数，趋近于零
x = np.arange(4.)
x = x ** 2 - (x + eps) ** 2
print(x)
np.set_printoptions(suppress=True)
print(x)
x = np.linspace(0, 10, 10)
print(x)
np.set_printoptions(precision=2, suppress=True, threshold=5)
print(x)

练习

只打印或显示numpy数组rand_arr的小数点后3位：

• rand_arr = np.random.random([5, 3])

np.set_printoptions(precision=3)

将numpy数组a中打印的项数限制为最多6个元素:

a = np.arange(0, 100)
np.set_printoptions(threshold=6)

打印完整的numpy数组a而不中断:

np.set_printoptions(threshold=np.iinfo(a.dtype).max)

总结

python的函数的一大特点是控制参数很多，很多时候要自己去查阅文档了解参数的含义。