技术背景
numpy在python中的地位是相当高的,即使是入门的python使用者也会经常看到这个库的使用。除了替代python自带的列表数据格式list之外,numpy的一大优势是其底层的高性能实现方式,比如前一篇博客中所提到的矢量运算,就是一种基于SIMD的底层运算优化方案,使得numpy的计算速度远高于一个普通的for循环。
而在日常运算的过程中,有些数据往往是不会变化的,比如机器学习中的测试和训练数据。那么如果这里使用的是numpy的数据结构的话,就会涉及到相关数据的存储,numpy可以将其数据存储为.npy
或者.npz
结构。
npy结构的数据存储
npy格式适用于单个numpy列表的存储,这个列表的维度可以是任意的,但是最外层必须是一个numpy的列表结构。以下用ipython来展示npy文件的基本使用方法,首先是创建一个数组,然后用np.save
保存到一个给定的文件名中:
[dechin@dechin-manjaro numpy]$ ipython
Python 3.8.5 (default, Sep 4 2020, 07:30:14)
Type 'copyright', 'credits' or 'license' for more information
IPython 7.19.0 -- An enhanced Interactive Python. Type '?' for help.
In [1]: import numpy as np
In [2]: test_arr = np.arange(10)
In [3]: np.save('test_arr', test_arr)
In [5]: !ls -l
总用量 4
-rw-r--r-- 1 dechin dechin 208 5月 2 18:52 test_arr.npy
可以看到文件名会自动补充npy
的后缀,然后可以在当前目录下使用np.load
函数直接加载刚才保存的数据:
In [6]: print (np.load('test_arr.npy'))
[0 1 2 3 4 5 6 7 8 9]
类似的可以测试一下多个维度的随机数组:
In [7]: test_arr = np.random.randn(2,5)
In [8]: np.save('random_arr', test_arr)
In [9]: !ls -l
总用量 8
-rw-r--r-- 1 dechin dechin 208 5月 2 18:56 random_arr.npy
-rw-r--r-- 1 dechin dechin 208 5月 2 18:52 test_arr.npy
In [10]: print (np.load('random_arr.npy'))
[[ 2.6917403 0.01488535 -0.5259401 -1.41512577 0.65968369]
[-0.68929493 0.30153131 0.84906878 -2.20849715 0.34260589]]
除了可以保存numpy格式的数组,还可以直接保存python本身的数组格式的数据:
In [11]: normal_arr = [1,3,5,7,9]
In [12]: np.save('normal_arr', normal_arr)
In [13]: print (np.load('normal_arr.npy'))
[1 3 5 7 9]
甚至还可以保存一些非列表格式的数据,比如python中的tuple
,但是保存后重新加载的数据格式,会被自动转化成列表格式:
In [14]: tuple_arr = [(1,2),(2,3),(3,4)]
In [15]: np.save('tuple_arr', tuple_arr)
In [16]: print (np.load('tuple_arr.npy'))
[[1 2]
[2 3]
[3 4]]
npz结构的数据存储
上面介绍的npy
数据结构存储下来是一个二进制的文件,仅用于单个列表数据结构的存储,这里的npz
数据结构可以存储多个列表结构的对象,可以直接参考一个使用案例:
In [17]: multi_arr1 = 3
In [18]: multi_arr2 = [1,2,3]
In [19]: multi_arr3 = (4,5)
In [20]: multi_arr4 = [[6,7],[8,9]]
In [22]: np.savez('multi_arr',multi_arr1,multi_arr2,multi_arr3,named_arr=multi_arr4)
In [23]: !ls -l
总用量 20
-rw-r--r-- 1 dechin dechin 1078 5月 2 19:09 multi_arr.npz
-rw-r--r-- 1 dechin dechin 168 5月 2 19:00 normal_arr.npy
-rw-r--r-- 1 dechin dechin 208 5月 2 18:56 random_arr.npy
-rw-r--r-- 1 dechin dechin 208 5月 2 18:52 test_arr.npy
-rw-r--r-- 1 dechin dechin 176 5月 2 19:02 tuple_arr.npy
In [24]: data=np.load('multi_arr.npz')
In [25]: data['arr_0']
Out[25]: array(3)
In [26]: data['arr_1']
Out[26]: array([1, 2, 3])
In [27]: data['arr_2']
Out[27]: array([4, 5])
In [28]: data['named_arr']
Out[28]:
array([[6, 7],
[8, 9]])
在npz
的数据结构中,除了列表以外的格式都会被自动转化成numpy的列表。而多个的列表对象最终是以字典的形式存储在文件中,如果不加以定义,那么索引的名称默认为arr_
加上一个数字的格式,以0
为起点。如果需要手动的命名,需要在传入savez
函数的末尾处加上手动命名的对象,比如上面实例中的named_arr
。npz
文件的读取方式跟npy
是一样的,使用np.load
函数即可。
存储数据的压缩
最后我们再额外介绍一个tar
压缩包的使用方法,如果存储的npz
文件较大,可以通过tar -zcvf filename.tar.gz filename.npz
打包成一个压缩包,特别是当数据中0
的数量较多时,可以获得一个非常理想的压缩比。
[dechin@dechin-manjaro numpy]$ ll
总用量 20
-rw-r--r-- 1 dechin dechin 1078 5月 2 19:09 multi_arr.npz
-rw-r--r-- 1 dechin dechin 168 5月 2 19:00 normal_arr.npy
-rw-r--r-- 1 dechin dechin 208 5月 2 18:56 random_arr.npy
-rw-r--r-- 1 dechin dechin 208 5月 2 18:52 test_arr.npy
-rw-r--r-- 1 dechin dechin 176 5月 2 19:02 tuple_arr.npy
[dechin@dechin-manjaro numpy]$ tar -zcvf multi_arr.tar.gz multi_arr.npz
multi_arr.npz
[dechin@dechin-manjaro numpy]$ ll
总用量 24
-rw-r--r-- 1 dechin dechin 1078 5月 2 19:09 multi_arr.npz
-rw-r--r-- 1 dechin dechin 427 5月 2 19:14 multi_arr.tar.gz
-rw-r--r-- 1 dechin dechin 168 5月 2 19:00 normal_arr.npy
-rw-r--r-- 1 dechin dechin 208 5月 2 18:56 random_arr.npy
-rw-r--r-- 1 dechin dechin 208 5月 2 18:52 test_arr.npy
-rw-r--r-- 1 dechin dechin 176 5月 2 19:02 tuple_arr.npy
而关于tar.gz
格式的文件的解压缩,则是使用tar -xvf filename.tar.gz
命令。
总结概要
在科学计算中对于恒定不变的数据,不一定需要实时保存在内存中,或者是需要跨平台运算的数据,我们可以将其保存为numpy格式的列表文件npy或者npz。而如果存储的文件过大,本文也额外介绍了简单的tar压缩与解压缩的使用方法。
版权声明
本文首发链接为:https://www.cnblogs.com/dechinphy/p/npz.html
作者ID:DechinPhy
更多原著文章请参考:https://www.cnblogs.com/dechinphy/