Python基础学习——Numpy包（6、输入输出）

最新推荐文章于 2024-11-14 23:22:45 发布

几环

最新推荐文章于 2024-11-14 23:22:45 发布

阅读量902

点赞数

CC 4.0 BY-SA版权

分类专栏： Python 文章标签： python numpy 学习

本文链接：https://blog.csdn.net/weixin_51060564/article/details/126403350

Python 专栏收录该内容

6 篇文章

订阅专栏

本文详细介绍了NumPy库中用于处理二进制文件（.npy, .npz）和文本文件（.txt, .csv）的方法，包括save、load、savez、loadtxt、genfromtxt等函数的使用。通过示例展示了如何保存和读取数组，以及处理缺失值和压缩存储。此外，还讨论了set_printoptions函数用于控制数组打印的格式和选项。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.numpy二进制文件（.npy，.npz）

save（）保存

save(file, arr, allow_pickle=True, fix_imports=True)：以.npy格式将数组保存到二进制文件中。

load（）读取

load(file, mmap_mode=None, allow_pickle=False, fix_imports=True, encoding='ASCII')：从.npy、.npz或 pickled文件加载数组或pickled对象。

【例】将一个数组保存到一个文件中并读取文件。

import numpy as np

outfile = r'.\test.npy'
np.random.seed(20200619)
x = np.random.uniform(low=0, high=1,size = [3, 5])
np.save(outfile, x)
y = np.load(outfile)
print(y)
# [[0.01123594 0.66790705 0.50212171 0.7230908  0.61668256]
#  [0.00668332 0.1234096  0.96092409 0.67925305 0.38596837]
#  [0.72342998 0.26258324 0.24318845 0.98795012 0.77370715]]

savez（）压缩保存

savez(file, *args, **kwds)：以未压缩的.npz格式将多个数组保存到单个文件中。

【例】将多个数组保存到一个文件。

import numpy as np

outfile = r'.\test.npz'
x = np.linspace(0, np.pi, 5)
y = np.sin(x)
z = np.cos(x)
np.savez(outfile, x, y, z_d=z)
data = np.load(outfile)
np.set_printoptions(suppress=True)
print(data.files)  
# ['z_d', 'arr_0', 'arr_1']

print(data['arr_0'])
# [0.         0.78539816 1.57079633 2.35619449 3.14159265]

print(data['arr_1'])
# [0.         0.70710678 1.         0.70710678 0.        ]

print(data['z_d'])
# [ 1.          0.70710678  0.         -0.70710678 -1.        ]

用解压软件打开 test.npz 文件，会发现其中有三个文件：arr_0.npy,arr_1.npy,z_d.npy，其中分别保存着数组x,y,z的内容。

2.文本文件

savetxt（）保存

savetxt(fname, X, fmt='%.18e', delimiter=' ', newline='\n',header='', footer='', comments='# ', encoding=None)

fname：文件路径

X：存入文件的数组。

fmt='%.18e'：写入文件中每个元素的字符串格式，默认'%.18e'（保留18位小数的浮点数形式）。

delimiter=' '：分割字符串，默认以空格分隔。

loadtxt（）读取

loadtxt(fname, dtype=float, comments='#', delimiter=None,
converters=None, skiprows=0, usecols=None, unpack=False,
ndmin=0, encoding='bytes', max_rows=None)

fname：文件路径。

dtype=float：数据类型，默认为float。

comments='#': 字符串或字符串组成的列表，默认为'#'，表示注释字符集开始的标志。

skiprows=0：跳过多少行，一般跳过第一行表头。

usecols=None：元组（元组内数据为列的数值索引），用来指定要读取数据的列（第一列为0）。

unpack=False：当加载多列数据时是否需要将数据列进行解耦赋值给不同的变量。

【例】写入和读出TXT文件。

import numpy as np

outfile = r'.\test.txt'
x = np.arange(0, 10).reshape(2, -1)
np.savetxt(outfile, x)
y = np.loadtxt(outfile)
print(y)
# [[0. 1. 2. 3. 4.]
#  [5. 6. 7. 8. 9.]]

【例】写入和读出CSV文件。

import numpy as np

outfile = r'.\test.csv'
x = np.arange(0, 10, 0.5).reshape(4, -1)
np.savetxt(outfile, x, fmt='%.3f', delimiter=',')
y = np.loadtxt(outfile, delimiter=',')
print(y)
# [[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]]

genfromtxt（）：从文本文件加载数据，并按指定方式处理缺少的值（是面向结构数组和缺失数据处理的。）。

genfromtxt(fname, dtype=float, comments='#', delimiter=None,
               skip_header=0, skip_footer=0, converters=None,
               missing_values=None, filling_values=None, usecols=None,
               names=None, excludelist=None,
               deletechars=''.join(sorted(NameValidator.defaultdeletechars)),
               replace_space='_', autostrip=False, case_sensitive=True,
               defaultfmt="f%i", unpack=None, usemask=False, loose=True,
               invalid_raise=True, max_rows=None, encoding='bytes'):

names=None：设置为True时，程序将把第一行作为列名称。

data.csv文件（不带缺失值）

id,value1,value2,value3
1,123,1.4,23
2,110,0.5,18
3,164,2.1,19

【例】

import numpy as np

outfile = r'.\data.csv'
x = np.loadtxt(outfile, delimiter=',', skiprows=1)
print(x)
# [[  1.  123.    1.4  23. ]
#  [  2.  110.    0.5  18. ]
#  [  3.  164.    2.1  19. ]]

x = np.loadtxt(outfile, delimiter=',', skiprows=1, usecols=(1, 2))
print(x)
# [[123.    1.4]
#  [110.    0.5]
#  [164.    2.1]]

val1, val2 = np.loadtxt(outfile, delimiter=',', skiprows=1, usecols=(1, 2), unpack=True)
print(val1)  # [123. 110. 164.]
print(val2)  # [1.4 0.5 2.1]

【例】

import numpy as np

outfile = r'.\data.csv'
x = np.genfromtxt(outfile, delimiter=',', names=True)
print(x)
# [(1., 123., 1.4, 23.) (2., 110., 0.5, 18.) (3., 164., 2.1, 19.)]

print(type(x))  
# <class 'numpy.ndarray'>

print(x.dtype)
# [('id', '<f8'), ('value1', '<f8'), ('value2', '<f8'), ('value3', '<f8')]

print(x['id'])  # [1. 2. 3.]
print(x['value1'])  # [123. 110. 164.]
print(x['value2'])  # [1.4 0.5 2.1]
print(x['value3'])  # [23. 18. 19.]

data1.csv文件（带有缺失值）

id,value1,value2,value3
1,123,1.4,23
2,110,,18
3,,2.1,19

【例】

import numpy as np

outfile = r'.\data1.csv'
x = np.genfromtxt(outfile, delimiter=',', names=True)
print(x)
# [(1., 123., 1.4, 23.) (2., 110., nan, 18.) (3.,  nan, 2.1, 19.)]

print(type(x))  
# <class 'numpy.ndarray'>

print(x.dtype)
# [('id', '<f8'), ('value1', '<f8'), ('value2', '<f8'), ('value3', '<f8')]

print(x['id'])  # [1. 2. 3.]
print(x['value1'])  # [123. 110.  nan]
print(x['value2'])  # [1.4 nan 2.1]
print(x['value3'])  # [23. 18. 19.]

3.文本格式

set_printoptions(precision=None, threshold=None, edgeitems=None,
                     linewidth=None, suppress=None, nanstr=None, infstr=None,
                     formatter=None, sign=None, floatmode=None, **kwarg):

set_printoptions()函数：设置打印选项。这些选项决定浮点数、数组和其它NumPy对象的显示方式。
precision=8：设置浮点精度，控制输出的小数点个数，默认是8。
threshold=1000：概略显示，超过该值则以“…”的形式来表示，默认是1000。
linewidth=75：用于确定每行多少字符数后插入换行符，默认为75。
suppress=False：当suppress=True，表示小数不需要以科学计数法的形式输出，默认是False。
nanstr=nan：浮点非数字的字符串表示形式，默认nan。
infstr=inf：浮点无穷大的字符串表示形式，默认inf。
formatter：一个字典，自定义格式化用于显示的数组元素。键为需要格式化的类型，值为格式化的字符串。
- 'bool'
- 'int'
- 'float'
- 'str' : all other strings
- 'all' : sets all types
- ...

【例】

import numpy as np

np.set_printoptions(precision=4)
x = np.array([1.123456789])
print(x)  # [1.1235]

np.set_printoptions(threshold=20)
x = np.arange(50)
print(x)  # [ 0  1  2 ... 47 48 49]

np.set_printoptions(threshold=np.iinfo(np.int).max)
print(x)
# [ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
#  24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47
#  48 49]

eps = np.finfo(float).eps
x = np.arange(4.)
x = x ** 2 - (x + eps) ** 2
print(x)  
# [-4.9304e-32 -4.4409e-16  0.0000e+00  0.0000e+00]
np.set_printoptions(suppress=True)
print(x)  # [-0. -0.  0.  0.]

x = np.linspace(0, 10, 10)
print(x)
# [ 0.      1.1111  2.2222  3.3333  4.4444  5.5556  6.6667  7.7778  8.8889
#  10.    ]
np.set_printoptions(precision=2, suppress=True, threshold=5)
print(x)  # [ 0.    1.11  2.22 ...  7.78  8.89 10.  ]

np.set_printoptions(formatter={'all': lambda x: 'int: ' + str(-x)})
x = np.arange(3)
print(x)  # [int: 0 int: -1 int: -2]

np.set_printoptions()  # formatter gets reset
print(x)  # [0 1 2]

【例】恢复默认选项

np.set_printoptions(edgeitems=3, infstr='inf', linewidth=75,
                    nanstr='nan', precision=8, suppress=False, 
                    threshold=1000, formatter=None)

【函数】

def get_printoptions():

get_printoptions()函数：获取当前打印选项。

【例】

import numpy as np

x = np.get_printoptions()
print(x)
# {
# 'edgeitems': 3, 
# 'threshold': 1000, 
# 'floatmode': 'maxprec', 
# 'precision': 8, 
# 'suppress': False, 
# 'linewidth': 75, 
# 'nanstr': 'nan', 
# 'infstr': 'inf', 
# 'sign': '-', 
# 'formatter': None, 
# 'legacy': False
# }

引用至Introduction to Numpy，学习笔记