Numpy之文件存取的示例代碼
上一篇中我們簡要帶過了Numpy的數(shù)據(jù)持久化，在這一篇中將要具體說明Numpy提供的文件存取功能。Numpy可以將數(shù)組保存至二進(jìn)制文件、文本文件，同時(shí)支持將多個(gè)數(shù)組保存至一個(gè)文件中。
1. np.tofile() & np.fromfile()
import numpy as np
import os
os.chdir("d:\\")
a = np.arange(0,12)
a.reshape(3,4)
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
a.tofile("a.bin") #保存至a.bin
b = np.fromfile("a.bin", dtype=np.int32) #從文件中加載數(shù)組，錯(cuò)誤的dtype會(huì)導(dǎo)致錯(cuò)誤的結(jié)果
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])
b.reshape(3,4)
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
#讀取的數(shù)據(jù)將為一維數(shù)組，需要使用reshape改變其數(shù)組結(jié)構(gòu)
2. np.save() & np.load() & np.savez()
load()和save()用Numpy專用的二進(jìn)制格式保存數(shù)據(jù)，它們會(huì)自動(dòng)處理元素類型和形狀等信息。savez()提供了將多個(gè)數(shù)組存儲(chǔ)至一個(gè)文件的能力，調(diào)用load()方法返回的對象，可以使用數(shù)組名對各個(gè)數(shù)組進(jìn)行讀取。默認(rèn)數(shù)組名arr_0,arr_1,arr_2......
np.save("a.npy", a.reshape(3,4))
c = np.load("a.npy")
c
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
多個(gè)數(shù)組存儲(chǔ)至一個(gè)文件：
a = np.array([[1,2,3],[4,5,6]])
b = np.arange(0,1.0,0.1)
c = np.sin(b)
np.savez("result.npz", a, b, sin_arr=c) #使用sin_arr命名數(shù)組c
r = np.load("result.npz") #加載一次即可
r["arr_0"]
array([[1, 2, 3],
[4, 5, 6]])
r["arr_1"]
array([ 0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9])
r["sin_arr"]
array([ 0. , 0.09983342, 0.19866933, 0.29552021, 0.38941834,
0.47942554, 0.56464247, 0.64421769, 0.71735609, 0.78332691])
可以使用解壓軟件解壓縮.npz文件會(huì)得到存儲(chǔ)的各個(gè)數(shù)組對應(yīng)的.npy文件以便進(jìn)行遍歷。
3. savetxt() & loadtxt()
a = np.arange(0,12,0.5).reshape(4,-1)
a
array([[ 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, 10. , 10.5, 11. , 11.5]])
np.savetxt("a.txt", a)
np.loadtxt("a.txt")
array([[ 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, 10. , 10.5, 11. , 11.5]])
np.savetxt("a.txt", a, fmt="%d", delimiter=",") #指定存儲(chǔ)數(shù)據(jù)類型為整型，分隔符為,
np.loadtxt("a.txt", delimiter=',') #以，分隔符讀取
array([[ 0., 0., 1., 1., 2., 2.],
[ 3., 3., 4., 4., 5., 5.],
[ 6., 6., 7., 7., 8., 8.],
[ 9., 9., 10., 10., 11., 11.]])
以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
相關(guān)文章
使用python實(shí)現(xiàn)名片管理系統(tǒng)
這篇文章主要為大家詳細(xì)介紹了使用python實(shí)現(xiàn)名片管理系統(tǒng)，文中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2020-06-06
pandas apply使用多列計(jì)算生成新的列實(shí)現(xiàn)示例
這篇文章主要介紹了pandas apply使用多列計(jì)算生成新的列實(shí)現(xiàn)示例，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(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一起學(xué)習(xí)學(xué)習(xí)吧2021-02-02
這篇文章主要為大家詳細(xì)介紹了python如何統(tǒng)計(jì)序列中的元素，文中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2018-03-03
pandas和spark dataframe互相轉(zhuǎn)換實(shí)例詳解
這篇文章主要介紹了pandas和spark dataframe互相轉(zhuǎn)換實(shí)例詳解,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-02-02
PyCharm是一款功能強(qiáng)大的Python編輯器,具有跨平臺(tái)性,下面這篇文章主要給大家介紹了關(guān)于Python編輯器Pycharm安裝配置的相關(guān)資料,文中通過圖文介紹的非常詳細(xì),需要的朋友可以參考下2023-01-01
Python 實(shí)現(xiàn)Numpy中找出array中最大值所對應(yīng)的行和列
今天小編就為大家分享一篇Python 實(shí)現(xiàn)Numpy中找出array中最大值所對應(yīng)的行和列，具有很好的參考價(jià)值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-11-11
這篇文章將詳細(xì)講解開始圖像形態(tài)學(xué)知識(shí)，主要介紹圖像腐蝕處理和膨脹處理。文中的示例代碼簡潔易懂，感興趣的小伙伴快跟隨小編一起學(xué)習(xí)一下吧2022-05-05
NumPy中np.random.rand函數(shù)的實(shí)現(xiàn)
np.random.rand是NumPy庫中的一個(gè)函數(shù),用于生成隨機(jī)數(shù),本文主要介紹了NumPy中np.random.rand函數(shù)的實(shí)現(xiàn),文中通過示例代碼介紹的非常詳細(xì),對大家的學(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一起學(xué)習(xí)學(xué)習(xí)吧2024-07-07
Django用數(shù)據(jù)庫表反向生成models類知識(shí)點(diǎn)詳解
在本篇文章里小編給大家分享的是關(guān)于Django用數(shù)據(jù)庫表反向生成models類知識(shí)點(diǎn)內(nèi)容，需要的朋友們可以參考下。2020-03-03
PyTorch中Tensor的拼接與拆分的實(shí)現(xiàn)
這篇文章主要介紹了PyTorch中Tensor的拼接與拆分的實(shí)現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(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一起學(xué)習(xí)學(xué)習(xí)吧2019-08-08