Numpy 可以读写磁盘上的文本数据或二进制数据
NumPy 为 ndarray 对象引入了一个简单的文件格式:npy
npy 文件用于存储重建 ndarray 所需的数据、图形、dtype 和其他信息
常用的 IO 函数有:
-
load() 和 save() 函数是读写文件数组数据的两个主要函数,默认情况下,数组是以未压缩的原始二进制格式保存在扩展名为 .npy 的文件中
-
savze() 函数用于将多个数组写入文件,默认情况下,数组是以未压缩的原始二进制格式保存在扩展名为 .npz 的文件中
-
loadtxt() 和 savetxt() 函数处理正常的文本文件(.txt 等)
numpy.save()
函数
将数组保存到以 .npy
为扩展名的文件中
numpy.save(file, arr, allow_pickle=True, fix_imports=True)
参数说明:
-
file:要保存的文件,扩展名为 .npy,如果文件路径末尾没有扩展名 .npy,该扩展名会被自动加上。
-
arr: 要保存的数组
-
allow_pickle: 可选,布尔值,允许使用 Python pickles 保存对象数组,Python 中的 pickle 用于在保存到磁盘文件或从磁盘文件读取之前,对对象进行序列化和反序列化。
-
fix_imports: 可选,为了方便 Pyhton2 中读取 Python3 保存的数据
示例:
In [1]: import numpy as np
In [2]: num = np.array([1,2,3,4,5])
In [3]: num
Out[3]: array([1, 2, 3, 4, 5])
In [4]: np.save('test_1.npy', num)
In [5]: np.save('test_2.npy', num)
In [6]: ls test_*
test_1.npy test_2.npy
In [7]: cat test_1.npy
?NUMPYv{'descr': '<i8', 'fortran_order': False, 'shape': (5,), }
In [8]: cat test_2.npy
?NUMPYv{'descr': '<i8', 'fortran_order': False, 'shape': (5,), }
可以看出文件是乱码的,因为它们是 Numpy 专用的二进制格式后的数据,我们可以使用 load() 函数来读取数据就可以正常显示了:
In [9]: b = np.load('test_1.npy')
In [10]: b
Out[10]: array([1, 2, 3, 4, 5])
numpy.savez()
函数
将多个数组保存到以 npz
为扩展名的文件中
numpy.savez(file, *args, **kwds)
参数说明:
-
file:要保存的文件,扩展名为
.npz
,如果文件路径末尾没有扩展名.npz
,该扩展名会被自动加上。 -
args: 要保存的数组,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
, … -
kwds: 要保存的数组使用关键字名称
示例:
In [1]: import numpy as np
In [2]: a = np.array([[1,2,3],[4,5,6]])
In [3]: b = np.arange(0, 1.0, 0.1)
In [4]: c = np.sin(b)
In [5]: a
Out[5]:
array([[1, 2, 3],
[4, 5, 6]])
In [6]: b
Out[6]: array([0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9])
In [7]: c
Out[7]:
array([0. , 0.09983342, 0.19866933, 0.29552021, 0.38941834,
0.47942554, 0.56464247, 0.64421769, 0.71735609, 0.78332691])
In [8]: np.savez('test.npz', a, b, sin_array=c)
In [9]: cat test.npz
sin_array.npy?NUMPYv{'descr': '<f8', 'fortran_order': False, 'shape': (10,), }
,ˋˮ?????=#?m??4???????kg+?:????Kt???ZA?????Fin??????”???@?]???PK!?c?? arr_0.npy?NUMPYv{'descr': '<i8', 'fortran_order': False, 'shape': (2, 3), }
PK!?U??? arr_1.npy?NUMPYv{'descr': '<f8', 'fortran_order': False, 'shape': (10,), }
?sin_array.npyPK!?c??3????arr_0.npyPK!?U???fffff??arr_1.npyPK?????PK!??&m??
In [10]: r = np.load('test.npz')
In [11]: r
Out[11]: <numpy.lib.npyio.NpzFile at 0x10c6019e8>
In [12]: r.files
Out[12]: ['sin_array', 'arr_0', 'arr_1']
In [13]: r['sin_array'], r['arr_0'], r['arr_1']
Out[13]:
(array([0. , 0.09983342, 0.19866933, 0.29552021, 0.38941834,
0.47942554, 0.56464247, 0.64421769, 0.71735609, 0.78332691]),
array([[1, 2, 3],
[4, 5, 6]]),
array([0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9]))
savetxt()
函数
是以简单的文本文件格式存储数据,对应的使用 loadtxt() 函数来获取数据
np.loadtxt(FILENAME, dtype=int, delimiter=' ')
np.savetxt(FILENAME, arr, fmt='%d', delimiter=',')
参数 delimiter 可以指定各种分隔符、针对特定列的转换器函数、需要跳过的行数等
In [1]: import numpy as np
In [2]: a = np.array([1,2,3,4,5])
In [3]: np.savetxt('test.txt', a)
In [4]: cat test.txt
1.000000000000000000e+00
2.000000000000000000e+00
3.000000000000000000e+00
4.000000000000000000e+00
5.000000000000000000e+00
In [5]: a
Out[5]: array([1, 2, 3, 4, 5])
In [6]: np.loadtxt('test.txt')
Out[6]: array([1., 2., 3., 4., 5.])
使用 delimiter 参数:
In [1]: import numpy as np
In [2]: a = np.arange(0,10,0.5).reshape(4,-1)
In [3]: a
Out[3]:
array([[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]])
In [4]: np.savetxt('test.txt', a, fmt='%d', delimiter=',')
In [5]: cat test.txt
0,0,1,1,2
2,3,3,4,4
5,5,6,6,7
7,8,8,9,9
In [6]: np.loadtxt('test.txt', delimiter=',')
Out[6]:
array([[0., 0., 1., 1., 2.],
[2., 3., 3., 4., 4.],
[5., 5., 6., 6., 7.],
[7., 8., 8., 9., 9.]])