Day06:Numpy的输入和输出

numpy的二进制文件

1. 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

1. 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。
2. 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.  ]