numpy对txt、csv、xlsx、npy、npz文件操作

numpy对txt、csv、xlsx、npy、npz文件操作

arr = np.arange(10)
np.save('some_array', arr)  # 保存数组到文件中

np.load('some_array.npy')   # 加载数组文件

np.savez('array_archive.npz', a=arr, b=arr)  # 保存多个数组到文件中

np.savez_compressed('arrays_compressed.npz', a=arr, b=arr)   # 保存并压缩多个文件

1. 从.txt文件读取

0. 建立test.txt文档：

1,1,2,4,3,9,4,16,5,25

以下是一些步骤：

1. 将文本文件读入txt变量：

txt = np.loadtxt('test.txt', delimiter = ',')
txt

这是前面代码块的说明：

• test.txt文本文件有 10 个数字，用逗号隔开，代表二​​维空间中的 x 和 y 五个点的坐标(1， 1)，(2, 4)，(3, 9)，(4, 16)和(5, 25)。
• 函数loadtxt()和将文本数据加载到 NumPy 数组中。

您应该获得以下输出：

array([ 1., 1., 2., 4., 3., 9., 4., 16., 5., 25.])

2. 将平面数组转换为 2D 空间中的五个点：

txt = txt.reshape(5,2)
txt

执行前面的代码后，您应该看到以下输出：

array([[ 1., 1.], [ 2., 4.], [ 3., 9.], [ 4., 16.], [ 5., 25.]])

3. 将.txt变量拆分为x和y轴坐标：

x = txt[:,0]
y = txt[:,1]
print(x, y)

这是前面代码块的解释：

• 将x和y轴点与txt变量分开。
• x是txt中的第一列，y是第二列。
• Python 索引从 0 开始。

执行上述代码后，您应该看到以下输出：

[ 1\. 2\. 3\. 4\. 5.] [ 1\. 4\. 9\. 16\. 25.]

2. 从.csv文件读取

建立test.csv:
1 1
2 4
3 9
4 16
5 25

.csv文件具有行和列的关系数据库结构，test.csv文件在 2D 空间中具有五个点的 x，y 坐标。 每个点是文件中的一行，分为两列：x和y。 相同的 NumPy loadtxt()函数用于加载数据：

x, y = np.loadtxt ('test.csv', unpack = True, usecols = (0,1), delimiter = ',')
print(x)
print(y)

执行上述代码后，应该看到以下输出：

[ 1\. 2\. 3\. 4\. 5.] [ 1\. 4\. 9\. 16\. 25.]

3. 从.xlsx文件读取

建立test.xlsx 两列:
1 1
2 4
3 9
4 16
5 25

现在，让我们从.xlsx文件中读取相同的数据，并创建x和y NumPy 数组。 NumPy loadtxt()函数不支持.xlsx文件格式。 可以使用 Python 数据处理包pandas：

1. 将.xlsx文件读入 pandas 数据帧中。 该文件在 2D 空间中具有相同的五个点，每个点在具有x和y列的单独行中：

# 'test.xlsx' 文件位置，有\的需要用\\表示， 'sheet'是子表名称， header=1将第2行设置为列索引
df = pd.read_excel('test.xlsx', 'sheet', header=1) 

2. 将 pandas 数据帧转换为 NumPy 数组：

data_array = np.array(df)
print(data_array)

您应该看到以下输出：

[[ 1 1] [ 2 4] [ 3 9] [ 4 16] [ 5 25]]

3. 现在从 NumPy 数组中提取x和y坐标：

x , y = data_array[:,0], data_array[:,1]
print(x,y)

您应该看到以下输出：

[1 2 3 4 5] [ 1 4 9 16 25]