数值计算工具Numpy-3(文件处理)

本文介绍了Python的Numpy库在文件处理方面的应用,包括文本文件的读写,如使用savetxt()和loadtxt()函数,以及二进制文件的处理,如tofile()和fromfile()函数,展示了如何从文件读取数据并构造数组,以及提取和存取数值数据。
摘要由CSDN通过智能技术生成

1.文本文件存取

#文件存取的格式分为两类:二进制和文本。
#而二进制格式的文件又分为NumPy专用的格式化二进制类型和无格式类型。
#savetxt()可以把1维和2维数组保存到文本文件。
#loadtxt()可以把文本文件中的数据加载到1维和2维数组中。

#文本文件存取
import numpy as np
a=np.arange(0,3,0.5).reshape(2,3)  #生成2*3的数组


np.savetxt("Pdata2_18_1.txt",a)   #缺省按照'%.18e'格式保存数值,以空格分隔
b=np.loadtxt("Pdata2_18_1.txt")  #返回浮点型数组
print("b=",b)


np.savetxt("Pdata2_18_2.txt",a,fmt="%d",delimiter=",") #保存为整数数据,以逗号分隔
c=np.loadtxt("Pdata2_18_2.txt",delimiter=",")  #读入需要指定逗号分隔
print("c=",c)

运行结果:
b= [[0. 0.5 1. ]
[1.5 2. 2.5]]
c= [[0. 0. 1.]
[1. 2. 2.]]

注意:-1文件内容

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
numpy是一款开源的科学计算工具,它为Python提供了快速、高效的数值计算功能。作为一个外置函数,numpy在进行科学计算时提供了很大的便利。 首先,numpy提供了多数组对象ndarray,它是numpy的核心数据结构。通过ndarray,我们可以方便地进行各种数值计算,如基本的数学运算、统计分析、线性代数运算等。ndarray不仅具有高效的存储和操作性能,还可以通过广播机制实现数组之间的一对一运算,进一步提高计算效率。 其次,在科学计算中,我们经常需要处理大量的数据。numpy提供了优化的向量化运算,可以有效地处理大规模数据,并且摆脱了Python原生列表的循环操作,提高了运算速度。同时,numpy还提供了丰富的数学函数和随机数生成函数,方便了在科学计算中的各种数学操作和模拟实验。 另外,numpy也支持数据的读取和存储,可以方便地与其他文件格式进行交互。比如,我们可以通过numpy将数据存储为文本文件、二进制文件或者导出为其他数据格式。这对于科学研究中的数据处理和结果保存非常重要。 总之,numpy作为一款外置函数,为Python提供了强大的科学计算功能。它的多数组对象和优化的向量化运算使得科学计算更加高效、便捷。同时,它丰富的数学函数和数据读取功能也为科学研究和数据处理提供了很大的帮助。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值