Numpy數(shù)組的保存與讀取方法
1. 數(shù)組以二進(jìn)制格式保存
np.save和np.load是讀寫(xiě)磁盤數(shù)組數(shù)據(jù)的兩個(gè)主要函數(shù)。默認(rèn)情況下,數(shù)組以未壓縮的原始二進(jìn)制格式保存在擴(kuò)展名為npy的文件中,以數(shù)組a為例
np.save("filename.npy",a)
b = np.load("filename.npy")
利用這種方法,保存文件的后綴名字一定會(huì)被置為.npy
2. 存取文本文件
使用 np.savetxt 和 np.loadtxt 只能讀寫(xiě) 1 維和 2 維的數(shù)組
np.savetxt:將數(shù)組寫(xiě)入以某種分隔符隔開(kāi)的文本文件中
np.loadtxt:指定某種分隔符,將文本文件讀入到數(shù)組中
np.savetxt("filename.txt",a)
b = numpy.loadtxt("filename.txt", delimiter=',')
3. 保存為二進(jìn)制文件
使用數(shù)組的 tofile 函數(shù)可以方便地將數(shù)組中數(shù)據(jù)以二進(jìn)制的格式寫(xiě)進(jìn)文件
a.tofile("filename.bin")
b = np.fromfile("filename.bin",dtype = **)
該方法與np.save有幾點(diǎn)區(qū)別:
tofile函數(shù)只能將數(shù)組保存為二進(jìn)制文件,文件后綴名沒(méi)有固定要求。這種保存方法對(duì)數(shù)據(jù)讀取有要求,np.fromfile 需要手動(dòng)指定讀出來(lái)的數(shù)據(jù)的的dtype,如果指定的格式與保存時(shí)的不一致,則讀出來(lái)的就是錯(cuò)誤的數(shù)據(jù)。
tofile函數(shù)不能保存當(dāng)前數(shù)據(jù)的行列信息,不管數(shù)組的排列順序是C語(yǔ)言格式的還是Fortran語(yǔ)言格式,統(tǒng)一使用C語(yǔ)言格式輸出。因此使用 np.fromfile 讀出來(lái)的數(shù)據(jù)是一維數(shù)組,需要利用reshape指定行列信息。
例如下面的例子所示:
>>> a = np.arange(0,12)
>>> 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f(shuō)loat類型讀入數(shù)據(jù)
>>> b # 讀入的數(shù)據(jù)是錯(cuò)誤的
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類型讀入數(shù)據(jù)
>>> b # 數(shù)據(jù)是一維的
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]])
以上這篇Numpy數(shù)組的保存與讀取方法就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
- 在NumPy中創(chuàng)建空數(shù)組/矩陣的方法
- 詳解Numpy數(shù)組轉(zhuǎn)置的三種方法T、transpose、swapaxes
- numpy中的delete刪除數(shù)組整行和整列的實(shí)例
- 淺談numpy數(shù)組的幾種排序方式
- Python 取numpy數(shù)組的某幾行某幾列方法
- Python Numpy 數(shù)組的初始化和基本操作
- 詳解Numpy中的數(shù)組拼接、合并操作(concatenate, append, stack, hstack, vstack, r_, c_等)
- python中找出numpy array數(shù)組的最值及其索引方法
- numpy中實(shí)現(xiàn)ndarray數(shù)組返回符合特定條件的索引方法
- python中numpy 數(shù)組過(guò)濾詳解
相關(guān)文章
Python 實(shí)現(xiàn) 貪吃蛇大作戰(zhàn) 代碼分享
本文給大家分享的是一個(gè)使用cocos2d-python游戲引擎庫(kù)制作出來(lái)的貪吃蛇大作戰(zhàn)的游戲代碼,基于Python 2.7 和 cocos2d 庫(kù),有需要的小伙伴可以參考下2016-09-09
matplotlib相關(guān)系統(tǒng)目錄獲取方式小結(jié)
這篇文章主要介紹了matplotlib相關(guān)系統(tǒng)目錄獲取方式小結(jié),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-02-02
python 地圖經(jīng)緯度轉(zhuǎn)換、糾偏的實(shí)例代碼
這篇文章主要介紹了python 地圖經(jīng)緯度轉(zhuǎn)換、糾偏的實(shí)例代碼,非常不錯(cuò),具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2018-08-08
python中opencv支持向量機(jī)的實(shí)現(xiàn)
本文主要介紹了python中opencv支持向量機(jī)的實(shí)現(xiàn),文中通過(guò)示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2022-03-03
Python生產(chǎn)者與消費(fèi)者模型中的優(yōu)勢(shì)介紹
這篇文章主要介紹了python多進(jìn)程中的生產(chǎn)者和消費(fèi)者模型優(yōu)勢(shì),生產(chǎn)者是指生產(chǎn)數(shù)據(jù)的任務(wù),消費(fèi)者是指消費(fèi)數(shù)據(jù)的任務(wù)。當(dāng)生產(chǎn)者的生產(chǎn)能力遠(yuǎn)大于消費(fèi)者的消費(fèi)能力,生產(chǎn)者就需要等消費(fèi)者消費(fèi)完才能繼續(xù)生產(chǎn)新的數(shù)據(jù)2023-03-03
Python處理時(shí)間戳和時(shí)間計(jì)算等的腳本分享
這篇文章主要為大家整理總結(jié)了5個(gè)實(shí)用的Python小,可以實(shí)現(xiàn)時(shí)間戳處理和時(shí)間計(jì)算。文中的示例代碼講解詳細(xì),感興趣的小伙伴可以學(xué)習(xí)一下2022-07-07

