NumPy提供了多种文件操作函数方便我们存取数组内容。文件存取的格式分为两类:二进制和文本。 而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。 使用数组的方法函数tofile可以方便地将数组中数据以二进制的格式写进文件。tofile输出的数据没有格 式,因此用numpy.fromfile读回来的时候需要自己格式化数据:
import numpy as np
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=float) # 按照float类型读入数据
b # 读入的数据是错误的
array([0.0e+000, 4.9e-324, 9.9e-324, 1.5e-323, 2.0e-323, 2.5e-323,
3.0e-323, 3.5e-323, 4.0e-323, 4.4e-323, 4.9e-323, 5.4e-323])
a.dtype # 查看a的dtype
dtype('int64')
b = np.fromfile("a.bin", dtype=np.int64) # 按照int32类型读入数据
b # 数据是一维的
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 # 这次终于正确了
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
从上面的例子可以看出,需要在读入的时候设置正确的dtype和shape才能保证数据一致。并且tofile 函数不管数组的排列顺序是C语言格式的还是Fortran语言格式的,统一使用C语言格式输出。 此外如果fromfile和tofile函数调用时指定了sep关键字参数的话,数组将以文本格式输入输出。 numpy.load和numpy.save函数以NumPy专用的二进制类型保存数据,这两个函数会自动处理元素类 型和shape等信息,使用它们读写数组就方便多了,但是numpy.save输出的文件很难和其它语言编写 的程序读入:
np.save("a.npy", a)
c = np.load( "a.npy" )
c
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
如果你想将多个数组保存到一个文件中的话,可以使用numpy.savez函数。savez函数的第一个参数是 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, ...。savez函数输出的是一个压缩文件(扩展名为npz),其中每个 文件都是一个save函数保存的npy文件,文件名对应于数组名。load函数自动识别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关键字获取数组的内容:
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
array([[1, 2, 3],
[4, 5, 6]])
r["arr_1"] # 数组b
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
array([0. , 0.09983342, 0.19866933, 0.29552021, 0.38941834,
0.47942554, 0.56464247, 0.64421769, 0.71735609, 0.78332691])
如 果 你 用 解 压 软 件 打 开 result.npz 文 件 的 话, 会 发 现 其 中 有 三 个 文 件: arr_0.npy, arr_1.npy, sin_array.npy,其中分别保存着数组a, b, c的内容。 使用numpy.savetxt和numpy.loadtxt可以读写1维和2维的数组:
a = np.arange(0,12,0.5).reshape(4,-1)
np.savetxt("a.txt", a) # 缺省按照'%.18e'格式保存数据,以空格分隔
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=",") #改为保存为整数,以逗号分隔
np.loadtxt("a.txt",delimiter=",") # 读入的时候也需要指定逗号分隔
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.]])
本节介绍所举的例子都是传递的文件名,也可以传递已经打开的文件对象,例如对于load和save 函数来说,如果使用文件对象的话,可以将多个数组储存到一个npy文件中:
a = np.arange(8)
b = np.add.accumulate(a)
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
array([0, 1, 2, 3, 4, 5, 6, 7])
np.load(f)
array([ 0, 1, 3, 6, 10, 15, 21, 28])
np.load(f)
array([ 0, 2, 5, 9, 14, 20, 27, 35])