20、numpy——IO
NumPy IO
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）
1、numpy.save()
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。
import numpy as np a = np.array([1, 2, 3, 4, 5]) # 保存到 outfile.npy 文件上 np.save('outfile.npy', a) # 保存到 outfile2.npy 文件上，如果文件路径末尾没有扩展名 .npy，该扩展名会被自动加上 np.save('outfile2', a)
我们可以查看文件内容：
揘UMPY v {'descr': '<i4', '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：
1 import numpy as np 2 b = np.load('outfile.npy') 3 print(b)
执行结果：
[1 2 3 4 5]
2、np.savez
numpy.savez() 函数将多个数组保存到以 npz 为扩展名的文件中。
1 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。
1 import numpy as np 2 a = np.array([[1, 2, 3], [4, 5, 6]]) 3 b = np.arange(0, 1.0, 0.1) 4 c = np.sin(b) 5 # c 使用了关键字参数 sin_array 6 np.savez("runoob.npz", a, b, sin_array=c) 7 r = np.load("runoob.npz") 8 print(r.files) # 查看各个数组名称 9 print(r["arr_0"]) # 数组 a 10 print(r["arr_1"]) # 数组 b 11 print(r["sin_array"]) # 数组 c
执行结果：
['sin_array', 'arr_0', 'arr_1'] [[1 2 3] [4 5 6]] [0. 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9] [0. 0.09983342 0.19866933 0.29552021 0.38941834 0.47942554 0.56464247 0.64421769 0.71735609 0.78332691]
3、savetxt()
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, a, 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。
1 import numpy as np 2 a = np.array([1, 2, 3, 4, 5]) 3 np.savetxt('out.txt', a) 4 b = np.loadtxt('out.txt') 5 print(b)
执行结果：
[1. 2. 3. 4. 5.]
使用 delimiter 参数：
1 import numpy as np 2 a = np.arange(0, 10, 0.5).reshape(4, -1) 3 print(a) 4 np.savetxt("out.txt", a, fmt="%d", delimiter=",") # 改为保存为整数，以逗号分隔 5 b = np.loadtxt("out.txt", delimiter=",") # load 时也要指定为逗号分隔 6 print(b)
执行结果：
[[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]] [[0. 0. 1. 1. 2.] [2. 3. 3. 4. 4.] [5. 5. 6. 6. 7.] [7. 8. 8. 9. 9.]]
