numpy下06输入与输出

输入和输出

numpy二进制文件
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，使用他们读取数组非常方便，但是save()输出的文件很难与其他语言编写的程序兼容。

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（nidm、dtype、shape等），可以用二进制工具查看内容。

vim -b test.npy
:%!xdd#转化为十六进制查看

npz格式：以压缩打包的方式存储文件，可以用压缩软件解压。

• numpy.save(file,arr,allow_pickle=True,fix_imports=True)Save an array to a binary file in Numpy .npy format.
• numpy.load(file,mmap_mode=None,allow_pickle=False,fix_imports=True,encoding=‘ASCII’)Load arrays or pickleed objects from .npy,.npz or pickle files.

import numpy as np
outfile = r'./test.npy'
np.random.seed(20201123)
x = np.random.uniform(0,1,[3,5])
np.save(outfile,x)
y = np.load(outfile)
print(y)
'''
[[0.03911501 0.91357784 0.21820335 0.61869406 0.25371066][0.75731372 0.16270282 0.77498589 0.41520052 0.15138986][0.34765902 0.22682386 0.80095883 0.39216596 0.79913296]]
'''

[[0.03911501 0.91357784 0.21820335 0.61869406 0.25371066][0.75731372 0.16270282 0.77498589 0.41520052 0.15138986][0.34765902 0.22682386 0.80095883 0.39216596 0.79913296]]

• numpy.savez(file,*args,**kwds) Save several arrays into a single file in uncompressed .npz format.

savez() 第一个参数是文件名，后面的参数都是要保存的数组，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()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npz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。

outfile = '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,'\n')
print(data['arr_0'],'\n')
print(data['arr_1'],'\n')
print(data['z_d'],'\n')

['z_d', 'arr_0', 'arr_1'] [0.         0.78539816 1.57079633 2.35619449 3.14159265] [0.         0.70710678 1.         0.70710678 0.        ] [ 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.npz,arr_1.npz,z_d.npz,其中分别存着数组x，y，z的内容

文本文件

savetxt(),lodatxt()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，可以用来对缺失数据进行处理。

• numpy.savetxt(fname,X,fmt=’%.18e’,delimiter=’ ‘,newline=’\n’,header=’’,footer=’’,comments=’# ',encoding=None)Save an array to a text file.
  • fname:文件路径
  • X:存入文件的数组。
  • fmt: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，默认为空格。
• numpy.loadtxt(fname,dtype=float,comments=’#’,delimiter=None,converters=None,skiprow=0,usecols=None,unpack=False,ndmin=0,encoding=‘bytes’,max_rows=None)Load data from a text file.
  • fname：文件路径。
  • dtype: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:跳过多少行，一般跳过第一行表头。
  • usecols: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: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。

outfile = '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.]]

test.txt文件内容：

outfile = 'test.csv'
x = np.arange(0,10,0.5).reshape(4,-1)
np.savetxt(outfile,x,fmt='%.3f',delimiter=',')
y = np.loadtxt(outfile,delimiter=',')
print(y)

[[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]]

test.csv文件如下：

genfromtxt()是面向结构数组和缺失数据处理的。

• numpuy.genfromtxt(fname,dtype=float,comments=’#’,delimiter=None,skip_header=0,skip_footer=0,converters=None
  ,missing_value=None,filling_value=None,usecols=None,names=None,excludelist=None
  ,deletechars=’’.join(sorted(NameValidator.defaultdeletechars))
  ,replace_space=’_’,autostrip=False,case_sensitive=True,defaultfmt=‘f%i’,unpack=None
  ,usemask=False,loose=True,invalid_raise=True,max_rows=None,encoding=‘bytes’)
  Load data from a text file,with missing values handled as specified.
  • names:设置为True时，程序将把第一行作为列名称。

data.csv文件内容如下：

outfile='data.csv'
x = np.loadtxt(outfile,delimiter=',',skiprows=1)
print(x)
x = np.loadtxt(outfile,delimiter=',',skiprows=1,usecols=(1,2))
print(x)
val1,val2 = np.loadtxt(outfile,delimiter=',',skiprows=1,usecols=(1,2),unpack=True)
print(val1)
print(val2)

[[  1.  123.    1.4  23. ][  2.  110.    0.5  18. ][  3.  164.    2.1  19. ]]
[[123.    1.4][110.    0.5][164.    2.1]]
[123. 110. 164.]
[1.4 0.5 2.1]

data1.csv文件

outfile = 'data1.csv'
x = np.genfromtxt(outfile,delimiter=',',names=True)
print(x)
print(type(x))
print(x.dtype)
print(x['id'],'\n')
print(x['value1'],'\n')
print(x['value2'],'\n')
print(x['value3'],'\n')

[(1., 123., 1.4, 23.) (2., 110., nan, 18.) (3.,  nan, 2.1, 19.)]

[('id', '

np.set_printoptions(precision=4)
x = np.array([1.123456789])
print(x)# [1.1235]
np.set_printoptions(threshold=20)
x = np.arange(50)
print(x) # [ 0 1 2 ... 47 48 49]
np.set_printoptions(threshold=np.iinfo(np.int).max)
print(x)
# [ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
# 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47
# 48 49]
eps = np.finfo(float).eps
x = np.arange(4.)
x = x ** 2 - (x + eps) ** 2
print(x)
# [‐4.9304e‐32 ‐4.4409e‐16 0.0000e+00
# 0.0000e+00]
np.set_printoptions(suppress=True)
print(x) # [‐0. ‐0. 0. 0.]
x = np.linspace(0, 10, 10)
print(x)
# [ 0.
# 1.1111 2.2222 3.3333 4.4444 5.5556 6.6667 7.7778
# 8.8889
# 10.
# ]
np.set_printoptions(precision=2, suppress=True, threshold=5)
print(x)
# [ 0. 1.11 2.22 ... 7.78 8.89 10. ]

[1.1235]
[ 0  1  2 ... 47 48 49]
[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 2324 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 4748 49]
[-0. -0.  0.  0.]
[-0. -0.  0.  0.]
[ 0.      1.1111  2.2222  3.3333  4.4444  5.5556  6.6667  7.7778  8.888910.    ]
[ 0.    1.11  2.22 ...  7.78  8.89 10.  ]

x = np.get_printoptions()
print(x)

{'edgeitems': 3, 'threshold': 5, 'floatmode': 'maxprec', 'precision': 2, 'suppress': True, 'linewidth': 75, 'nanstr': 'nan', 'infstr': 'inf', 'sign': '-', 'formatter': None, 'legacy': False}

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！