Python中定义函数与保存ndarray类型文件

定义函数

import numpy as np  # 导入NumPy库，用于数学运算

def my_func3(D):
    """
    计算给定数据集的均值和标准差。

    参数：
    D (list 或 ndarray)：包含数值数据的列表或数组。

    返回值：
    m (float)：数据集的均值。
    s (float)：数据集的标准差。
    """
    m = np.mean(D)  # 计算数据集的均值
    s = np.std(D)   # 计算数据集的标准差
    return m, s

下面这段代码首先生成一个包含100个随机数的数据集，然后调用了之前定义的my_func3函数来计算这个数据集的均值和标准差，并最后以格式化的方式输出结果。

import numpy as np  # 导入NumPy库，用于数学运算

# 生成包含100个随机数的数据集
data = np.random.randn(100)

# 调用my_func3函数，计算数据集的均值和标准差
data_mean, data_std = my_func3(data)

# 输出均值和标准差，以格式化的方式显示结果
print('mean:{0:.2f}, std:{1:.2f}'.format(data_mean, data_std))

最后一行代码的含义解释如下：

• print(...): 这是Python中用于将文本输出到控制台的函数。
• 'mean:{0:.2f}, std:{1:.2f}'.format(data_mean, data_std): 这是一个格式化字符串，其中包含了两个占位符{0:.2f}和{1:.2f}。这些占位符用于将变量的值插入到字符串中。具体解释如下：
  • {0:.2f}: 这个占位符表示将第一个变量(data_mean)插入到字符串中，并使用浮点数格式显示，.2f表示保留两位小数。
  • ,: 逗号用于分隔不同的占位符和变量。
  • std:{1:.2f}: 这个占位符表示将第二个变量(data_std)插入到字符串中，同样使用浮点数格式显示，保留两位小数。
    

# 调用my_func3函数，计算数据集的均值和标准差，并将结果存储在output变量中
output = my_func3(data)

# 输出结果
print(output)  # 输出均值和标准差的值
print(type(output))  # 输出output变量的类型，即输出结果的数据类型

# 以格式化的方式输出均值和标准差
print('mean:{0:.2f}, std:{1:.2f}'.format(output[0], output[1]))

保存文件

保存一个ndarray类型变量

这段代码涉及到使用NumPy来保存和加载数据到文件中。

import numpy as np  # 导入NumPy库，用于数学运算

# 创建一个NumPy数组
data = np.array([1, 1, 2, 3, 5, 8, 13])
print(data)  # 输出数组内容

# 保存数据到文件
np.save('datafile.npy', data)  # 将数组保存到名为'datafile.npy'的文件中

data = []  # 清空数据，将data变量赋为空列表
print(data)  # 输出空列表，此时data不包含任何内容

# 从文件中加载数据
data = np.load('datafile.npy')  # 从'datafile.npy'文件中加载数据
print(data)  # 输出从文件加载的数据，应该与之前的数组内容相同

代码的主要步骤如下：

1. 创建一个名为data的NumPy数组，其中包含一些整数。
2. 使用np.save函数将这个数组保存到名为’datafile.npy’的文件中，以便将来可以重新加载它。
3. 将data变量清空，将其赋值为空列表，因此此时data不再包含之前的数组。
4. 使用np.load函数从’datafile.npy’文件中重新加载数据，并将其存储在data变量中。
5. 最后，打印加载的数据，应该与之前创建的数组内容相同。

这种方法允许将数据保存到文件中，以便在以后的时间重新使用，而不必重新生成或计算数据。

保存多个ndarray类型变量

这段代码使用NumPy的np.savez和np.load函数保存和加载多个数组到一个压缩文件中。以下是代码的中文注释和解释：

import numpy as np  # 导入NumPy库，用于数学运算

# 创建两个NumPy数组
data1 = np.array([1, 2, 3])
data2 = np.array([10, 20, 30])

# 保存数据到压缩文件
np.savez('datafile2.npz', data1=data1, data2=data2)

# 清空数据
data1 = []  # 将data1变量赋为空列表
data2 = []  # 将data2变量赋为空列表

# 从压缩文件中加载数据
outfile = np.load('datafile2.npz')

# 输出存储的所有数据的名称
print(outfile.files)  # 输出 ['data1', 'data2']

# 从文件中取出data1和data2
data1 = outfile['data1']  # 从文件中取出名为'data1'的数据
data2 = outfile['data2']  # 从文件中取出名为'data2'的数据

# 打印加载的data1和data2
print(data1)  # 输出 [1 2 3]
print(data2)  # 输出 [10 20 30]

代码的主要步骤如下：

1. 创建两个名为data1和data2的NumPy数组。
2. 使用np.savez函数将这两个数组保存到名为’datafile2.npz’的压缩文件中，并为每个数组分配一个名称。
3. 清空data1和data2变量，将它们分别赋值为空列表，因此这两个变量不再包含之前的数组数据。
4. 使用np.load函数从’datafile2.npz’压缩文件中加载数据，并将其存储在名为outfile的对象中。
5. 使用outfile.files查看压缩文件中存储的所有数据的名称。
6. 通过outfile['data1']和outfile['data2']分别取出data1和data2的数据。
7. 最后，打印加载的data1和data2的内容，它们应该与之前创建的数组内容相同。

这种方法允许保存和加载多个NumPy数组，并为每个数组分配一个名称，以便在以后的时间重新使用它们。