Numpy组队学习（下）--1

知识点

• numpy文件的保存和读取

 numpy.save(file, arr, allow_pickle=True, fix_imports=True)
 // 保存数组到NumPy文件中( .npy ）

numpy.load(file, mmap_mode=None, allow_pickle=False, fix_imports=True, encoding='ASCII')
// 载入数组或选择的对象（.npy , .npz）或选择的文件

其中：
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文本文件操作

numpy.savetxt(fname, X, fmt='%.18e', delimiter=' ', newline='\n', header='', footer='', comments='# ', encoding=None) 
// 保存数组到一个txt文件

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) 
// 从txt文件中载入数据

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。

numpy.genfromtxt(fname, dtype=float, comments='#', delimiter=None, skip_header=0, skip_footer=0, converters=None, missing_values=None, filling_values=None, usecols=None, names=None, excludelist=None, deletechars=''.join(sorted(NameValidator.defaultdeletechars)), replace_space='_', autostrip=False, case_sensitive=True, defaultfmt="f%i", unpack=None, usemask=False, loose=True, invalid_raise=True, max_rows=None, encoding='bytes')
// 从txt文件中载入数据，可以处理确实values的情况

• numpy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)
// 设置文本格式

precision：设置浮点精度，控制输出的小数点个数，默认是8。
threshold：概略显示，超过该值则以“…”的形式来表示，默认是1000。
linewidth：用于确定每行多少字符数后插入换行符，默认为75。
suppress：当suppress=True，表示小数不需要以科学计数法的形式输出，默认是False。
nanstr：浮点非数字的字符串表示形式，默认nan。
infstr：浮点无穷大的字符串表示形式，默认inf。

Example

• numpy文件的保存和读取

import numpy as np

outfile = r'.\test.npz'
x = np.linspace(0, np.pi, 5)
y = np.sin(x)
z = np.cos(x)
np.savez(outfile, x, y, z_d=z)
data = np.load(outfile)
np.set_printoptions(suppress=True)
print(data.files)  
# ['z_d', 'arr_0', 'arr_1']

print(data['arr_0'])
# [0.         0.78539816 1.57079633 2.35619449 3.14159265]

print(data['arr_1'])
# [0.         0.70710678 1.         0.70710678 0.        ]

print(data['z_d'])
# [ 1.          0.70710678  0.         -0.70710678 -1.        ]

• numpy文本文件操作
  data1.csv文件

id,value1,value2,value3
1,123,1.4,23
2,110,,18
3,,2.1,19

import numpy as np

outfile = r'.\data1.csv'
x = np.genfromtxt(outfile, delimiter=',', names=True)
print(x)
# [(1., 123., 1.4, 23.) (2., 110., nan, 18.) (3.,  nan, 2.1, 19.)]

print(type(x))  
# <class 'numpy.ndarray'>

print(x.dtype)
# [('id', '<f8'), ('value1', '<f8'), ('value2', '<f8'), ('value3', '<f8')]

print(x['id'])  # [1. 2. 3.]
print(x['value1'])  # [123. 110.  nan]
print(x['value2'])  # [1.4 nan 2.1]
print(x['value3'])  # [23. 18. 19.]

• numpy文本格式选项

import numpy as np

np.set_printoptions(precision=4)
x = np.array([1.123456789])
print(x)  # [1.1235]

np.set_printoptions(threshold=20)
x = np.arange(50)
print(x)  # [ 0  1  2 ... 47 48 49]

np.set_printoptions(threshold=np.iinfo(np.int).max)
print(x)
# [ 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]

eps = np.finfo(float).eps
x = np.arange(4.)
x = x ** 2 - (x + eps) ** 2
print(x)  
# [-4.9304e-32 -4.4409e-16  0.0000e+00  0.0000e+00]
np.set_printoptions(suppress=True)
print(x)  # [-0. -0.  0.  0.]

x = np.linspace(0, 10, 10)
print(x)
# [ 0.      1.1111  2.2222  3.3333  4.4444  5.5556  6.6667  7.7778  8.8889
#  10.    ]
np.set_printoptions(precision=2, suppress=True, threshold=5)
print(x)  # [ 0.    1.11  2.22 ...  7.78  8.89 10.  ]