English | 简体中文 | 繁體中文 | Русский язык | Français | Español | Português | Deutsch | 日本語 | 한국어 | Italiano | بالعربية

Numpy-Tutorial

NumPy IO

NumPy führt ein einfaches Dateiformat für ndarray-Objekte ein: npy.

npy-Dateien werden verwendet, um die Daten, Graphen, dtype und andere Informationen zu speichern, die für die Rekonstruktion von ndarray erforderlich sind.

Gewöhnliche IO-Funktionen sind:

Die Funktionen load() und save() sind die beiden Hauptfunktionen zum Lesen und Schreiben von Array-Daten in Dateien. Standardmäßig werden die Arrays im nicht-komprimierten Originalbinärfomt in Dateien mit der Erweiterung .npy gespeichert. Die Funktion savetxt() wird verwendet, um mehrere Arrays in eine Datei zu schreiben. Standardmäßig werden die Arrays im nicht-komprimierten Originalbinärfomt in Dateien mit der Erweiterung .npz gespeichert. Die Funktionen loadtxt() und savetxt() verarbeiten normale Textdateien (.txt usw.)

numpy.save()

Die Funktion numpy.save() speichert das Array in einer Datei mit der Erweiterung .npy.
numpy.save(file, arr, allow_pickle=True, fix_imports=True)

Parameter description：

file: Die zu speichernde Datei, mit der Erweiterung .npy. Wenn die Dateipfadenden keine Erweiterung .npy hat, wird diese Erweiterung automatisch hinzugefügt. arr: Das zu speichernde Array allow_pickleOptional, Boolean-Wert, ermöglicht die Verwendung von Python Pickles, um Objekt-Arrays zu speichern. Python Pickle wird verwendet, um Objekte vor dem Speichern auf der Festplatte oder beim Lesen aus einer Datei zu serialisieren und deserialisieren. fix_imports: Optional, for convenience of Pyhton2 from Python3 saved data. 
　import numpy as np　
　　
　a = np.array([1,2,3,4,5]　
　　
　# Save to test.npy file
　np.save('test.npy',a)　
　　
　# Save to test1.npy file, if the file path does not end with an extension name .npy, the extension name will be automatically added
　np.save('test1.npy',a)

We can view the contents of the file：

　$ cat test.npy　
　?NUMPYv{'descr': '<i8', 'fortran_order': False, 'shape': (5,),}　
　$ cat test1.npy　
　?NUMPYv{'descr': '<i8', 'fortran_order': False, 'shape': (5,),}

It can be seen that the file is garbled because it is the data after the binary format of Numpy.

We can use the load() function to read the data and display it normally：

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

输出结果为：

[1　2　3　4　5]

np.savez

The numpy.savez() function saves multiple arrays to files with the npz extension.

numpy.savez(file,　*args,　**kwds)

Parameter description：

file：The file to be saved, the extension name is .npz，if the file path does not end with an extension name .npz，the extension name will be automatically added. args: The arrays to be saved can use keyword parameters to name the arrays, arrays passed with non-keyword parameters will be automatically named arr_0, arr_1, … . kwds: The arrays to be saved use keyword names. 
　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 used keyword parameter sin_array
　np.savez("w3codebox.npz", a, b, sin_array = c)
　r = np.load("w3codebox.npz)　
　print(r.files) # View the names of each array
　print(r['arr_0']) # Array a
　print(r['arr_'])1']) # Array b
　print(r['sin_array']) # Array c

输出结果为：

　['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]

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)

输出结果为：

[1.　2.　3.　4.　5.]

使用 delimiter 参数：

　import numpy as np
　a = np.arange(0,10,0.5).reshape(4,-1)
　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)
　　　[[0.　0.　1.　1.　2.]
　　[2.　3.　3.　4.　4.]
　　[5.　5.　6.　6.　7.]
　　[7.　8.　8.　9.　9.]]

NumPy MatplotlibNumPy 线性代数