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：

 import numpy as np
 b = np.load('outfile.npy')
 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。

 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。

 import numpy as np
 a = np.array([[1, 2, 3], [4, 5, 6]])
 b = np.arange(0, 1.0, 0.1)
 c = np.sin(b)
 # c 使用了关键字参数 sin_array
 np.savez("runoob.npz", a, b, sin_array=c)
 r = np.load("runoob.npz")
 print(r.files)  # 查看各个数组名称
 print(r["arr_0"])  # 数组 a
 print(r["arr_1"])  # 数组 b
 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。

 import numpy as np
 a = np.array([1, 2, 3, 4, 5])
 np.savetxt('out.txt', a)
 b = np.loadtxt('out.txt')
 print(b)

执行结果：

[1. 2. 3. 4. 5.]

使用 delimiter 参数：

 import numpy as np
 a = np.arange(0, 10, 0.5).reshape(4, -1)
 print(a)
 np.savetxt("out.txt", a, fmt="%d", delimiter=",")  # 改为保存为整数，以逗号分隔
 b = np.loadtxt("out.txt", delimiter=",")  # load 时也要指定为逗号分隔
 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.]]