numpy的文件存储.npy .npz 文件详解

Numpy能够读写磁盘上的文本数据或二进制数据。

将数组以二进制格式保存到磁盘

np.load和np.save是读写磁盘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。

import numpy as np
a=np.arange(5)
np.save('test.npy',a)

这样在程序所在的文件夹就生成了一个test.npy文件

将test.npy文件中的文件读出来

import numpy as np
a=np.load('test.npy')
print(a)

注：保存为Numpy专用的二进制格式后，就不能用notepad++等打开看了（乱码）。因此这种方式建议在不需要看保存文件内容的情况下使用。

np.savez

如果你想将多个数组保存到一个文件中的话，可以使用numpy.savez函数。savez函数的第一个参数是文件名，其后的参数都是需要保存的数组，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函数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函数保存的npy文件，文件名对应于数组名。load函数自动识别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：

import numpy as np
a=np.arange(3)
b=np.arange(4)
c=np.arange(5)
np.savez('array_save.npz',a,b,c_array=c)

这样程序所在文件夹就生成了一个array_save.npz文件

把npz文件中的数据读出来

import numpy as np
A=np.load('array_save.npz')
print(A['arr_0'])
print(A['arr_1'])
print(A['c_array'])

train_Resnet50 = extract_Resnet50(paths_to_tensor(train_files)) ###x, 1, 1, 2048
valid_Resnet50 = extract_Resnet50(paths_to_tensor(valid_files)) ###x, 1, 1, 2048

test_Resnet50  = extract_Resnet50(paths_to_tensor(test_files))  ###x, 1, 1, 2048

np.savez('bottleneck_features/DogResnet50Data.npz',train=train_Resnet50,valid=valid_Resnet50,test=test_Resnet50)

 

bottleneck_features = np.load('bottleneck_features/DogResnet50Data.npz')
train_Resnet502 = bottleneck_features['train']
valid_Resnet502 = bottleneck_features['valid']
test_Resnet502 = bottleneck_features['test']

以上这篇numpy的文件存储.npy .npz 文件详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。