1. 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()和savez()输出的文件很难与其它语言编写的程序兼容。
【函数】
def save(file, arr, allow_pickle=True, fix_imports=True):
- save()函数：以.npy格式将数组保存到二进制文件中。
- .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。
【函数】
def load(file, mmap_mode=None, allow_pickle=False, fix_imports=True, encoding='ASCII'):
- load()函数：从.npy、.npz或 pickled文件加载数组或pickled对象。
- mmap_mode: {None, ‘r+’, ‘r’, ‘w+’, ‘c’};：读取文件的方式。
- allow_pickle=False：允许加载存储在.npy文件中的pickled对象数组。
- fix_imports=True：若为True，pickle将尝试将旧的python2名称映射到python3中使用的新名称。
- encoding=‘ASCII’：制定编码格式，默认为“ASCII”。
【例子】将一个数组保存到一个文件中。
import numpy as np
outfile = r'.\test.npy'
np.random.seed(20200619)
x = np.random.uniform(low=0, high=1,size = [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]]
【函数】
def savez(file, *args, **kwds):
- savez()函数：以未压缩的.npz格式将多个数组保存到单个文件中。
- .npz格式：以压缩打包的方式存储文件，可以用压缩软件解压。
- savez()函数：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()函数：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。
【例子】将多个数组保存到一个文件。
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. ]
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。
2. 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。
【函数】
def savetxt(fname, X, fmt='%.18e', delimiter=' ', newline='\n',header='', footer='', comments='# ', encoding=None):
- fname：文件路径
- X：存入文件的数组。
- fmt=’%.18e’：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。
def loadtxt(fname, dtype=float, comments='#', delimiter=None,
converters=None, skiprows=0, usecols=None, unpack=False,
ndmin=0, encoding='bytes', max_rows=None):
- fname：文件路径。
- dtype=float：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=0：跳过多少行，一般跳过第一行表头。
- usecols=None：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=False：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 = r'.\test.txt'
x = np.arange(0, 10).reshape(2, -1)
np.savetxt(outfile, x)
y = np.loadtxt(outfile)
print(y)
# [[0. 1. 2. 3. 4.]
# [5. 6. 7. 8. 9.]]
test.txt文件如下：
0.000000000000000000e+00 1.000000000000000000e+00 2.000000000000000000e+00 3.000000000000000000e+00 4.000000000000000000e+00
5.000000000000000000e+00 6.000000000000000000e+00 7.000000000000000000e+00 8.000000000000000000e+00 9.000000000000000000e+00
【例子】写入和读出CSV文件。
import numpy as np
outfile = r'.\test.csv'
x = np.arange(0, 10, 0.5).reshape(4, -1)
np.savetxt(outfile, x, fmt='%.3f', delimiter=',')
y = np.loadtxt(outfile, 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：
0.000,0.500,1.000,1.500,2.000
2.500,3.000,3.500,4.000,4.500
5.000,5.500,6.000,6.500,7.000
7.500,8.000,8.500,9.000,9.500
【函数】
def 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'):
- genfromtxt()函数：从文本文件加载数据，并按指定方式处理缺少的值（是面向结构数组和缺失数据处理的。）。
- names=None：设置为True时，程序将把第一行作为列名称。
data.csv文件（不带缺失值）
id,value1,value2,value3
1,123,1.4,23
2,110,0.5,18
3,164,2.1,19
【例子】
import numpy as np
outfile = r'.\data.csv'
x = np.loadtxt(outfile, delimiter=',', skiprows=1)
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)
# [[123. 1.4]
# [110. 0.5]
# [164. 2.1]]
val1, val2 = np.loadtxt(outfile, delimiter=',', skiprows=1, usecols=(1, 2), unpack=True)
print(val1) # [123. 110. 164.]
print(val2) # [1.4 0.5 2.1]
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')]
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.]
data1.csv文件（带有缺失值）
id,value1,value2,value3
1,123,1.4,23
2,110,18
3,2.1,19
【例子】
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.]
3. 文本格式选项
【函数】
def set_printoptions(precision=None, threshold=None, edgeitems=None,
linewidth=None, suppress=None, nanstr=None, infstr=None,
formatter=None, sign=None, floatmode=None, **kwarg):
- set_printoptions()函数：设置打印选项。这些选项决定浮点数、数组和其它NumPy对象的显示方式。
- precision=8：设置浮点精度，控制输出的小数点个数，默认是8。
- threshold=1000：概略显示，超过该值则以“…”的形式来表示，默认是1000。
- linewidth=75：用于确定每行多少字符数后插入换行符，默认为75。
- suppress=False：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=nan：浮点非数字的字符串表示形式，默认nan。
- infstr=inf：浮点无穷大的字符串表示形式，默认inf。
- formatter：一个字典，自定义格式化用于显示的数组元素。键为需要格式化的类型，值为格式化的字符串。
‘bool’
‘int’
‘float’
‘str’ : all other strings
‘all’ : sets all types
…
【例子】
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. ]
np.set_printoptions(formatter={'all': lambda x: 'int: ' + str(-x)})
x = np.arange(3)
print(x) # [int: 0 int: -1 int: -2]
np.set_printoptions() # formatter gets reset
print(x) # [0 1 2]
【例子】恢复默认选项
np.set_printoptions(edgeitems=3, infstr='inf', linewidth=75,
nanstr='nan', precision=8, suppress=False,
threshold=1000, formatter=None)
【函数】
def get_printoptions():
- get_printoptions()函数：获取当前打印选项。
【例子】
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
# }
4. 练习
（1）只打印或显示numpy数组rand_arr的小数点后3位。
【知识点：输入和输出】
如何在numpy数组中只打印小数点后三位？
import numpy as np
np.random.seed(2002)
rand_arr = np.random.random([5,3])
（2）将numpy数组a中打印的项数限制为最多6个元素。
【知识点：输入和输出】
如何限制numpy数组输出中打印的项目数？
import numpy as np
a = np.arange(15)
（3）打印完整的numpy数组a而不中断。
【知识点：输入和输出】
如何打印完整的numpy数组而不中断？
import numpy as np
a = np.arange(15)
np.set_printoptions(threshold=6)
print(a)
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
