python变量数据之保存

字典数据dict

1 使用yaml保存

参考：http://www.cocoachina.com/articles/92667

# yaml安装
conda install -c anaconda pyyaml         

保存

import yaml
data = {
    'key1': 1,
    1: 2
}
with open('data.yml', 'w') as outfile:
    yaml.dump(data, outfile, default_flow_style=False)

读取

with open("data.yml", 'r') as stream:
    data = yaml.load(stream)
    print data[1] # 2

2 使用numpy.save/load

import numpy as np
# Save
dictionary = {'hello':'world'}
np.save('my_file.npy', dictionary) 
# Load
read_dictionary = np.load('my_file.npy').item()
print(read_dictionary['hello']) # displays "world"

3 使用numpy.savetxt/loadtxt

使用 np.savetxt 和 np.loadtxt 只能读写 1 维和 2 维的数组
np.savetxt：将数组写入以某种分隔符隔开的文本文件中
np.loadtxt：指定某种分隔符，将文本文件读入到数组中
np.loadtxt()用于从文本加载数据。
文本文件中的每一行必须含有相同的数据。

loadtxt(fname, dtype=<class ‘float’>, comments=’#’, delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0)

fname要读取的文件、文件名、或生成器。
dtype数据类型，默认float。
comments注释。
delimiter分隔符，默认是空格。
skiprows跳过前几行读取，默认是0，必须是int整型。
usecols：要读取哪些列，0是第一列。例如，usecols = （1,4,5）将提取第2，第5和第6列。默认读取所有列。
unpack如果为True，将分列读取。

# pts= 数组点
np.savetxt('filename.txt',pts,fmt="%.5f,%.5f,%.5f",delimiter='\n')
#fmt="%.5f,%.5f,%.5f"是要以浮点说保存数据，小数点后保留5位小数。
b = numpy.loadtxt("filename.txt", delimiter=',')

4 保存为二进制文件

使用数组的 tofile 函数可以方便地将数组中数据以二进制的格式写进文件

a.tofile("filename.bin")
b = np.fromfile("filename.bin",dtype = **) #读二进制文件,dtype需要指定，否则数据会读错

该方法与np.save有几点区别：
tofile函数只能将数组保存为二进制文件，文件后缀名没有固定要求。这种保存方法对数据读取有要求，np.fromfile 需要手动指定读出来的数据的的dtype，如果指定的格式与保存时的不一致，则读出来的就是错误的数据。

tofile函数不能保存当前数据的行列信息，不管数组的排列顺序是C语言格式的还是Fortran语言格式，统一使用C语言格式输出。因此使用 np.fromfile 读出来的数据是一维数组，需要利用reshape指定行列信息。

>>> a.shape = 3,4

>>> a
array([[ 0, 1, 2, 3],
    [ 4, 5, 6, 7],
    [ 8, 9, 10, 11]])
>>> a.tofile("a.bin")
>>> b = np.fromfile("a.bin", dtype=np.float) # 按照float类型读入数据
>>> b # 读入的数据是错误的
array([ 2.12199579e-314,  6.36598737e-314,  1.06099790e-313,
     1.48539705e-313,  1.90979621e-313,  2.33419537e-313])
>>> a.dtype # 查看a的dtype
dtype('int32')
>>> b = np.fromfile("a.bin", dtype=np.int32) # 按照int32类型读入数据
>>> b # 数据是一维的
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])
>>> b.shape = 3, 4 # 按照a的shape修改b的shape
>>> b
array([[ 0, 1, 2, 3],
    [ 4, 5, 6, 7],
    [ 8, 9, 10, 11]])

参考

1
2