本文链接：https://blog.csdn.net/m0_52601969/article/details/123169436

数据存取

csv文件的存取

CSV（Comma-Separated Value,逗号分隔值）是一种常见的文件格式，用来存储批量数据。

将numpy数组写入到csv文件中的数据当中：

np.savetxt(frame,array,fmt='%.18e',delimiter=None)

frame：文件、字符串或产生器，可以是.gz或.bz2的压缩文件。
array：存入文件的数组。
fmt：写入文件的格式，例如：%d %.2f %.18e。
delimiter：分割字符串，默认是任何空格。

示例：

若要将csv文件中的数据读入到numpy数组当中，则：

np.loadtxt(frame, dtype=np.float, delimiter=None, unpack=False)

frame：文件、字符串或产生器，可以是.gz或.bz2的压缩文件。
dtype：数据类型，可选。
delimiter：分割字符串，默认是任何空格。
unpack:如果True，读入属性将分别写入不同变量。

示例：

In [5]: b = np.loadtxt('a1.csv', delimiter=',')

In [6]: b
Out[6]: 
array([[  0.,   1.,   2.,   3.,   4.,   5.,   6.,   7.,   8.,   9.,  10.,
         11.,  12.,  13.,  14.,  15.,  16.,  17.,  18.,  19.],
       [ 20.,  21.,  22.,  23.,  24.,  25.,  26.,  27.,  28.,  29.,  30.,
         31.,  32.,  33.,  34.,  35.,  36.,  37.,  38.,  39.],
       [ 40.,  41.,  42.,  43.,  44.,  45.,  46.,  47.,  48.,  49.,  50.,
         51.,  52.,  53.,  54.,  55.,  56.,  57.,  58.,  59.],
       [ 60.,  61.,  62.,  63.,  64.,  65.,  66.,  67.,  68.,  69.,  70.,
         71.,  72.,  73.,  74.,  75.,  76.,  77.,  78.,  79.],
       [ 80.,  81.,  82.,  83.,  84.,  85.,  86.,  87.,  88.,  89.,  90.,
         91.,  92.,  93.,  94.,  95.,  96.,  97.,  98.,  99.]])

In [7]: b = np.loadtxt('a1.csv', dtype=np.int, delimiter=',')

In [8]: b
Out[8]: 
array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
        17, 18, 19],
       [20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36,
        37, 38, 39],
       [40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56,
        57, 58, 59],
       [60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76,
        77, 78, 79],
       [80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96,
        97, 98, 99]])

csv两种函数只能存储一维和二维数组，有其局限性

多维数据存取

a.tofile(frame, sep='', format='%s')

frame：文件、字符串。
sep：数据分割字符串，如果是空串，写入文件为二进制。
format：写入数据的格式。

np.fromfile(frame, dtype=float, count=-1, sep='')

frame：文件、字符串。
dtype：读取的数据类型。
count：读取元素个数，-1表示读入整个文件。
sep：数据分割字符串，如果是空串，写入文件为二进制。

Numpy的便捷文件存取

np.save(fname,array) 或 np.savez(fname,array)

fname：文件名，以.npy为扩展名，压缩扩展名为.npz
array：数组变量

np.load(fname)

fname：文件名，以.npy为扩展名，压缩扩展名为.npz

Numpy的随机函数、统计函数、梯度函数

随机函数

函数	说明
rand(d0,d1,…,dn)	根据d0-dn创建随机数数组，浮点数，[0,1)，均匀分布
randn(d0,d1,…,dn)	根据d0-dn创建随机数数组，标准正态分布
randint(low[,high,shape])	根据shape创建随机整数或整数数组，范围是[low,high)
seed(s)	根据数组a的第一轴进行随排列，改变数组x
shuffle(a)	根据数组a的第一轴产生随排列，改变数组a
permutation(a)	根据数组a的第一轴产生一个新的乱序数组，不改变数组x
choice(a[,size,replace,p]	从一维数组a中以概率p抽取元素，形成size形状新数组。replace表示是否可以重用元素，默认为False
uniform(low,high,size)	产生具有均匀分布的数组，low起始值，high结束值，size形状
normal(loc,scale,size)	产生具有正态分布的数组，loc均值，scale标准差，size形状
poisson(lam,size)	产生具有泊松分布的数组，lam随机事件发生率，size形状

统计函数

函数	说明
sum(a,axis=None)	根据给定轴axis计算数组a相关元素之和，axis整数或元组
mean(a,axis=None)	根据给定轴axis计算数组a相关元素的期望，axis整数或元组
average(a,axis=None,weights=None)	根据给定轴axis计算数组a相关元素的加权平均值
std(a,axis=None)	根据给定轴axis计算数组a相关元素的标准差
var(a,axis=None)	根据给定轴axis计算数组a相关元素的方差
min(a) max(a)	计算数组a中元素的最小值、最大值
argmin(a) argmax(a)	计算数组a中元素最小值、最大值的降一维后下标
unravel_index(index,shape)	根据shape将一维下标index转换为多维下标
ptp(a)	计算数组a中元素最大值和最小值的差
median(a)	计算数组a中元素的中位数（中值）