输入与输出

numpy_下_输入和输出

numpy 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) Save an array to a binary file
  in NumPy .npy format.

• numpy.load(file, mmap_mode=None, allow_pickle=False, fix_imports=True, encoding=‘ASCII’)
  Load arrays or pickled objects from .npy , .npz or pickled files.

例：

import numpy as np
outfile = r'.\test.npy'
np.random.seed(20200619)
x = np.random.uniform(0, 1, [3, 5])
np.save(outfile, x)
y = np.load(outfile)
print(y)

[[0.01123594 0.66790705 0.50212171 0.7230908  0.61668256]
 [0.00668332 0.1234096  0.96092409 0.67925305 0.38596837]
 [0.72342998 0.26258324 0.24318845 0.98795012 0.77370715]]

• numpy.savez(file, *args, **kwds) Save several arrays into a single file in uncompressed
  .npz format.

savez() 第一个参数是文件名，其后的参数都是需要保存的数组，也可以使用关键字参数为数组起一
个名字，非关键字参数传递的数组会自动起名为arr_0, arr_1, … 。


savez() 输出的是一个压缩文件（扩展名为npz），其中每个文件都是一个save() 保存的npy文件，
文件名对应于数组名。load() 自动识别npz文件，并且返回一个类似于字典的对象，可以通过数组名
作为关键字获取数组的内容。

【例】将多个数组保存到一个文件，可以使用numpy.savez() 函数。

import numpy as np
outfile_1 = r'.\test_1.npz'
x= np.linspace(0, np.pi, 5)
y = np.sin(x)
z = np.cos(x)
np.savez(outfile_1, x, y, z_d =z)

data = np.load(outfile_1)

np.set_printoptions(precision=4,suppress=True) #第一个参数设置浮点精度，默认小数会以科学计数法的形式输出，若不需要，用True
print("查看各个数组名称:", data.files)

查看各个数组名称: ['z_d', 'arr_0', 'arr_1']

print(data['arr_0'])
print(data['arr_1'])
print(data['z_d'])

[0.     0.7854 1.5708 2.3562 3.1416]
[0.     0.7071 1.     0.7071 0.    ]
[ 1.      0.7071  0.     -0.7071 -1.    ]

用解压软件打开 test.npz 文件，会发现其中有三个文件： arr_0.npy,arr_1.npy,z_d.npy ，其中分别
保存着数组x,y,z 的内容。

文本文件

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) Save an array to a text file.

1. name：文件路径
2. X：存入文件的数组。
3. 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）。
4. 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) Load
  data from a text file.

1. fname：文件路径。
2. dtype：数据类型，默认为float。
3. 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。
4. skiprows：跳过多少行，一般跳过第一行表头。
5. 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）。
6. 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。

【例】写入和读出TXT文件。

import numpy as np
outfile_2 = r'.\test2.txt'
x = np.arange(0, 10).reshape(2, -1)
np.savetxt(outfile_2, x)
y = np.loadtxt(outfile_2)
print(y)

[[0. 1. 2. 3. 4.]
 [5. 6. 7. 8. 9.]]

test.txt 文件如下:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Y67iUrVL-1606133302924)(attachment:image.png)]

【例】写入和读出CSV文件。

import numpy as np
outfile_3 = r'.\test3.csv'
x = np.arange(0, 10, 0.5).reshape(4, -1)
np.savetxt(outfile_3, x, fmt='%.3f', delimiter=',' )
y = np.loadtxt(outfile_3, delimiter=',')
print(y)

[[0.  0.5 1.  1.5 2. ]
 [2.5 3.  3.5 4.  4.5]
 [5.  5.5 6.  6.5 7. ]
 [7.5 8.  8.5 9.  9.5]]

test.csv文件如下：
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-nFYRGLXu-1606133302929)(attachment:image-2.png)]

genfromtxt() 是面向结构数组和缺失数据处理的。

• 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’) Load data from a text
  file, with missing values handled as specified.

1. names：设置为True时，程序将把第一行作为列名称。

data.csv文件如下：

id,value1,value2,value3

1,123,1.4,23

2,110,0.5,18

3,164,2.1,19

【例】

import numpy as np
outfile = r'./data.csv'
x = np.loadtxt(outfile, delimiter=',', skiprows=1, encoding='UTF-8')
print(x)

[[  1.  123.    1.4  23. ]
 [  2.  110.    0.5  18. ]
 [  3.  164.    2.1  19. ]]

x = np.loadtxt(outfile, delimiter=',', skiprows=1, usecols=(1, 2))
print(x)

val1, val2 = np.loadtxt(outfile, delimiter=',', skiprows=1, usecols=(1, 2), unpack=True)
print(val1)
print(val2)

例：

import numpy as np
outfile = r'./data.csv'
x = np.genfromtxt(outfile, delimiter=',', names=True)
print(x)

[(1., 123., 1.4, 23.) (2., 110., 0.5, 18.) (3., 164., 2.1, 19.)]

print(type(x))# <class 'numpy.ndarray'>
print(x.dtype)# [('id', '<f8'), ('value1', '<f8'), ('value2', '<f8'), ('value3', '<f8')]

<class 'numpy.ndarray'>
[('id', '<f8'), ('value1', '<f8'), ('value2', '<f8'), ('value3', '<f8')]

print(x['id']) # [1. 2. 3.]
print(x['value1']) # [123. 110. 164.]
print(x['value2']) # [1.4 0.5 2.1]
print(x['value3']) # [23. 18. 19.]

[1. 2. 3.]
[123. 110. 164.]
[1.4 0.5 2.1]
[23. 18. 19.]

data1.csv文件

id,value1,value2,value3

1,123,1.4,23

2,110,18

3,2.1,19

【例】

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.)]

[(1., 123., 1.4, 23.) (2., 110., nan, 18.) (3.,  nan, 2.1, 19.)]

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

<class 'numpy.ndarray'>

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

[('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.]

[1. 2. 3.]
[123. 110.  nan]
[1.4 nan 2.1]
[23. 18. 19.]

---

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) Set printing options.

1. precision ：设置浮点精度，控制输出的小数点个数，默认是8。
2. threshold ：概略显示，超过该值则以“…”的形式来表示，默认是1000。
3. linewidth ：用于确定每行多少字符数后插入换行符，默认为75。
4. 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。
5. nanstr ：浮点非数字的字符串表示形式，默认 nan 。
6. infstr ：浮点无穷大的字符串表示形式，默认 inf 。

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) # Numpy提供numpy.iinfo和numpy.finfo验证NumPy整数和浮点值的最小值或最大值
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.  ]

import numpy as np
x = np.get_printoptions()
print(x)
# {
# 'edgeitems': 3,
# 'threshold': 1000,
# 'floatmode': 'maxprec',
# 'precision': 8,
# 'suppress': False,
# 'linewidth': 75,
# 'nanstr': 'nan',
# 'infstr': 'inf',
# 'sign': '‐',
# 'formatter': None,
# 'legacy': False
# }

{'edgeitems': 3, 'threshold': 5, 'floatmode': 'maxprec', 'precision': 2, 'suppress': True, 'linewidth': 75, 'nanstr': 'nan', 'infstr': 'inf', 'sign': '-', 'formatter': None, 'legacy': False}