numpy的二进制文件
- save() 、 savez() 和 load() 函数以 numpy 专用的二进制类型(npy、npz)保存和读取数据,这三个函数会自动处理ndim、dtype、shape等信息,使用它们读写数组非常方便,但是 save() 输出的文件很难与其它语言编写的程序兼容。
**npy格式:**以二进制的方式存储文件,在二进制文件第一行以文本形式保存了数据的元信息(ndim, dtype,shape等),可以用二进制工具查看内容。
**npz格式:**以压缩打包的方式存储文件,可以用压缩软件解压。
**numpy.save(file,arr,allow_pickle=True,fix_imports=True)**函数将数组保存到二进制文件中。(file是文件,arr是数组,allow_pickle)
numpy.savez(file, *args, * *kwds)(kwds是可选参数)savez()输出的是一个压缩文件(拓展名为npz)其中的每一个文件都是一个save()保存的npy文件,文件名就是数组名
**numpy.load(file,mmap_mode=None,allow_pickle=False,fix_imports=True,ending=‘ASCII’)**从文件或npy,npz中加载数组和对象。load()自动识别npz文件,并返回一个类似于字典的对象,可以通过数组名作为关键字来获取数组中的内容。
#numpy的输入与输出
import numpy as np
outfile = r'.\test.npz'
x=np.arange(5)
y=np.sin(x)
z=np.cos(x)
np.savez(outfile,x,y,z_d=z)
data=np.load(outfile)
print(x)
print(y)
print(z)
print(data.files)
print(data['z_d'])
print(data['arr_0'])
print(data['arr_1'])
#[0 1 2 3 4]
#[ 0. 0.84147098 0.90929743 0.14112001 -0.7568025 ]
#[ 1. 0.54030231 -0.41614684 -0.9899925 -0.65364362]
#['z_d', 'arr_0', 'arr_1']
#[ 1. 0.54030231 -0.41614684 -0.9899925 -0.65364362]
#[0 1 2 3 4]
#[ 0. 0.84147098 0.90929743 0.14112001 -0.7568025 ]
当你用解压软件打开test.npz的时候就会发现有三个文件,分别是z_d,arr_0,arr1,这些文件中又储存着对应的数据。
文本格式
- savetxt() , loadtxt() 和 genfromtxt() 函数用来存储和读取文本文件(如TXT,CSV等)。
genfromtxt() 比 loadtxt() 更加强大,可对缺失数据进行处理。 - numpy.savetxt(fname, X, fmt=’%.18e’, delimiter=’ ‘,newline=’\n’,header=’’, footer=’’,comments=’# ', encoding=None)
savetxt将数组保存进文本文件中。
fname:文件路径
X:存入文件的数组
fmt:写入文件中每个元素的字符串格式,默认’%.18e’(保留18位小数的浮点数形式)
delimiter:分割字符串,默认以空格分隔
numpy.loadtxt(fname,dtype=float,comments=’#’,delimiter=None,converters=None,skiprows=0, usecols=None, unpack=False, ndmin=0, encoding=‘bytes’, max_rows=None)
loadtxt()读取来自文本文件中的数据
fname:文件路径
dtype:数据类型,默认为float
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:跳过多少行,一般跳过第一行表头
usecols:元组(元组内数据为列的数值索引), 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
写入和读出TXT文件
import numpy as np
#写入和读出txt文件
outfile=r'.\test.txt'
x=np.arange(0,10).reshape(2,-1)#数组的形状
np.savetxt(outfile,x)
y=np.loadtxt(outfile)
print(y)
#[[0. 1. 2. 3. 4.]
# [5. 6. 7. 8. 9.]]
写入和读出csv文件
import numpy as np
#写入和读出csv文件
outfile = r'.\test.csv'
x = np.arange(0, 10).reshape(2,-1)
np.savetxt(outfile, x, fmt='%.3f', delimiter=',')
y = np.loadtxt(outfile, delimiter=',')
print(y)
#[[0. 1. 2. 3. 4.]
# [5. 6. 7. 8. 9.]]
**genfromtxt()**是面向结构数组和缺失数据处理的。
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)**设置打印选项
precision: 设置浮点精度,一般默认值为8(小数点后八位)
threshold:概略显示,超过该值则以“…”表示,一般默认值为1000
linewidth:用于每行多少字符数后插入换行符,默认值为75
suppress:当suppress=True时,表示小数不需要以科学计数法输出,suppress的默认值是False
nanstr:浮点非数字的字符串表示,默认值为nan
infstr:浮点无穷大的字符串表示,默认值为inf
import numpy as np
np.set_printoptions(precision=5)#小数点后5位
x = np.array([1.123456789])
print(x)
np.set_printoptions(threshold=5)
x = np.arange(20)
print(x)
np.set_printoptions(threshold=np.iinfo(np.int).max)#还原省略的值
print(x)
eps = np.finfo(float).eps #eps是一个很小的非负数,有时可以替代0,防止编译器报错
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)
#[1.12346]
#[ 0 1 2 ... 17 18 19]
#[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19]
#[-4.93038e-32 -4.44089e-16 0.00000e+00 0.00000e+00]
#[-0. -0. 0. 0.]
#[-0. -0. 0. 0.]
#[ 0. 1.11111 2.22222 3.33333 4.44444 5.55556 6.66667 7.77778 8.88889 10. ]
#[ 0. 1.11 2.22 ... 7.78 8.89 10. ]