Numpy系列（十三）- 文件IO

NumPy提供了多种存取数组内容的文件操作函数。保存数组数据的文件可以是二进制格式或者文本格式。二进制格式的文件又分为NumPy专用的格式化二进制类型和无格式类型。

一，tofile()和fromfile()

• tofile()将数组中的数据以二进制格式写进文件
• tofile()输出的数据不保存数组形状和元素类型等信息
• fromfile()函数读回数据时需要用户指定元素类型，并对数组的形状进行适当的修改

a = np.arange(0, 12).reshape(3, 4)
a
Out[355]:
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float类型读取数据
b # 读入的数据是错误的
Out[358]:
array([2.12199579e-314, 6.36598737e-314, 1.06099790e-313, 1.48539705e-313,
       1.90979621e-313, 2.33419537e-313])
a.dtype
Out[359]: dtype(‘int32‘)
b = np.fromfile(‘a.bin‘, dtype=np.int32) # 按照Int32类型读入数据
b  # b的数值是一维的
Out[363]: array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])
b.shape = 3, 4    # 改变b的形状， 还原数据
b    # ok 正确
Out[366]:
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

从上面的例子可以看出，在读入数据时:需要正确设置dtype参数，并修改数组的shape属性才能得到和原始数据一致的结果。无论数据的排列顺序是C语言格式还是Fortran语言格式，tofile()都统一使用C语言格式输出。此外如果指定了sep参数，则fromfile()和tofile()将以文本格式对数组进行输入输出。sep参数指定的是文本数据中数值的分隔符。

二.save()和load()

1. NumPy专用的二进制格式保存数据，它们会自动处理元素类型和形状等信息
2. 如果想将多个数组保存到一个文件中，可以使用savez()
3. savez()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名
4. 非关键字参数传递的数组会自动起名为arr_0、arr_1、...。
5. savez()输出的是一个扩展名为npz的压缩文件，其中每个文件都是一个save()保存的npy文件，文件名和数组名相同
6. load()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键获取数组的内容

# save和load
np.save(‘a.npy‘, a)
c = np.load(‘a.npy‘)
c
Out[369]:
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

# savez和load
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_array=c)
r = np.load(‘result.npz‘)
r[‘arr_0‘]  # 数组a
Out[376]:
array([[1, 2, 3],
       [4, 5, 6]])
r[‘arr_1‘]  # 数组b
Out[377]: array([0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9])
r[‘sin_array‘]  # 数组c
Out[378]:
array([0.        , 0.09983342, 0.19866933, 0.29552021, 0.38941834,
       0.47942554, 0.56464247, 0.64421769, 0.71735609, 0.78332691])

三.savetxt()和loadtxt()

• 读写1维和2维数组的文本文件
• 可以用它们读写CSV格式的文本文件

a = np.arange(0, 12, 0.5).reshape(4, -1)
a
Out[380]:
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) # 缺省按照’%.18e‘格式保存数值，以空格分隔
np.loadtxt(‘a.txt‘)
Out[382]:
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=‘,‘) # 保存为整数， 以逗号分割
np.loadtxt(‘a.txt‘, delimiter=‘,‘)  # 读入数据的时候需指定以逗号分割
Out[384]:
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.]])

tmp = np.loadtxt(‘test.csv‘, dtype=np.str, delimiter=‘,‘, encoding=‘utf-8‘)
tmp
Out[389]:
array([[‘姓名‘, ‘年龄‘, ‘体重‘, ‘身高‘],
       [‘张三‘, ‘30‘, ‘75‘, ‘165‘],
       [‘李四‘, ‘45‘, ‘60‘, ‘170‘],
       [‘王五‘, ‘15‘, ‘30‘, ‘120‘]], dtype=‘<U3‘)
data = tmp[1:, 1:].astype(np.float)
data
Out[391]:
array([[ 30.,  75., 165.],
       [ 45.,  60., 170.],
       [ 15.,  30., 120.]])

四.文件对象file

a = np.arange(8)
b = np.add.accumulate(a)
b
Out[394]: array([ 0,  1,  3,  6, 10, 15, 21, 28], dtype=int32)
c  = a + b
f = open(‘result.npy‘, ‘wb‘)
np.save(f, a) # 顺序将a,b,c保存进文件对象f
np.save(f, b)
np.save(f, c)
f.close()
f = open(‘result.npy‘, ‘rb‘)
np.load(f)   # 顺序从文件对象f中读取内容
Out[404]: array([0, 1, 2, 3, 4, 5, 6, 7])
np.load(f)
Out[405]: array([ 0,  1,  3,  6, 10, 15, 21, 28])
np.load(f)
Out[406]: array([ 0,  2,  5,  9, 14, 20, 27, 35])

原文地址：https://www.cnblogs.com/zhangyafei/p/10573900.html