numpy 输入输出

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]

阿里云登录 - 欢迎登录阿里云，安全稳定的云计算服务平台