标签:需要 使用 mamicode txt 二进制格式 参数 分割 图片 格式
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。
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。
# 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])
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.]])
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])
标签:需要 使用 mamicode txt 二进制格式 参数 分割 图片 格式
原文地址:https://www.cnblogs.com/zhangyafei/p/10573900.html