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。
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。
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”。
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]]
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。
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。
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。
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.]]
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]