Numpy 可以讀寫磁盤上的文本數據或二進制數據。
NumPy 為 ndarray 對象引入了一個簡單的文件格式：npy。
npy 文件用于存儲重建 ndarray 所需的數據、圖形、dtype 和其他信息。
常用的 IO 函數有：

• load() 和 save() 函數是讀寫文件數組數據的兩個主要函數，默認情況下，數組是以未壓縮的原始二進制格式保存在擴展名為 .npy 的文件中。
• loadtxt() 和 savetxt() 函數處理正常的文本文件(.txt 等)

1、save()、load()

numpy.save() 函數將數組保存到以 .npy 為擴展名的文件中。

numpy.save(file, arr, allow_pickle=True, fix_imports=True)

參數說明：

• file：要保存的文件，擴展名為 .npy，如果文件路徑末尾沒有擴展名 .npy，該擴展名會被自動加上。
• arr: 要保存的數組
• allow_pickle: 可選，布爾值，允許使用 Python pickles 保存對象數組，Python 中的 pickle 用于在保存到磁盤文件或從磁盤文件讀取之前，對對象進行序列化和反序列化。
• fix_imports: 可選，為了方便 Pyhton2 中讀取 Python3 保存的數據。

numpy.load(file, mmap_mode=None, allow_pickle=True, fix_imports=True, encoding=’ASCII’)
encoding :僅當在Python 3中加載Python 2生成的文件時有用

a = np.array([1, 2, 3, 4, 5])# 保存到 outfile.npy 文件上 np.save('outfile.npy', a) # 保存到 outfile2.npy 文件上，如果文件路徑末尾沒有擴展名 .npy，該擴展名會被自動加上 np.save('outfile2',a)""" 可以看出文件是亂碼的，因為它們是 Numpy 專用的二進制格式后的數據。 我們可以使用 load() 函數來讀取數據就可以正常顯示了： """ b = np.load('outfile.npy') print(b) # [1 2 3 4 5]

2、savez()

numpy.savez() 函數將多個數組保存到以 npz 為擴展名的文件中。

numpy.savez(file, *args, **kwds)

參數說明：

• file：要保存的文件，擴展名為 .npz，如果文件路徑末尾沒有擴展名 .npz，該擴展名會被自動加上
• args: 要保存的數組，可以使用關鍵字參數為數組起一個名字，非關鍵字參數傳遞的數組會自動起名為 arr_0, arr_1, …
• kwds: 要保存的數組使用關鍵字名稱。

a = np.array([[1,2,3],[4,5,6]]) b = np.arange(0, 1.0, 0.1) c = np.sin(b) # c 使用了關鍵字參數 sin_array np.savez("runoob.npz", a, b=b, sin_array = c) r = np.load("runoob.npz") print(r.files) # 查看各個數組名稱 print(r["arr_0"]) # 數組 a print(r["b"]) # 數組 b print(r["sin_array"]) # 數組 c """ ['b', 'sin_array', 'arr_0'] [[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 0.479425540.56464247 0.64421769 0.71735609 0.78332691] """

3、loadtxt()、savetxt()

savetxt() 函數是以簡單的文本文件格式存儲數據，對應的使用 loadtxt() 函數來獲取數據。可以 用 .txt 或者 .csv 為擴展名

np.loadtxt(FILENAME, dtype=int, delimiter=’ ',skiprows=0, usecols=None,unpack=False)
np.savetxt(FILENAME, a, fmt="%d", delimiter=",")
參數 delimiter 可以指定各種分隔符、針對特定列的轉換器函數、需要跳過的行數等。

a = np.array([[1, 2, 3, 4, 5], [7, 8, 9, 10, 11]]) # delimiter 用什么分割數據 # fmt 保存的數據格式 # skiprows 跳過前幾行。一般跳過表頭 # dtype 指定數據類型 # usecols 取哪幾列 # unpack 轉置 效果 類似 numpy.transpose ndarray.T np.savetxt('out.txt', a, delimiter=",", fmt="%d,%d,%.3f,%.3f,%.3f") b = np.loadtxt('out.txt', delimiter=",", skiprows=0, dtype=np.int32, usecols=(0,1,2)) b1 = np.loadtxt('out.txt', delimiter=",", skiprows=0, dtype=np.int32, usecols=(0,1,2), unpack=True) print(b) print("*"*20) print(b1) print("*"*20) a = np.array([1, 2, 3, 4, 5]) np.savetxt('out1.txt', a, delimiter=",", fmt="%d") b = np.loadtxt('out1.txt', delimiter=",")print(b) """ [[1 2 3][7 8 9]] ******************** [[1 7][2 8][3 9]] ******************** [1. 2. 3. 4. 5.]out.txt: 1,2,3.000,4.000,5.000 7,8,9.000,10.000,11.000 out1.txt 1 2 3 4 5 """

4、tofile()、fromfile()

https://blog.csdn.net/kebu12345678/article/details/54837245/
https://www.cnblogs.com/yinyoupoet/p/13287353.html

• tofile()將數組中的數據以二進制格式寫進文件
• tofile()輸出的數據不保存數組形狀和元素類型等信息
• fromfile()函數讀回數據時需要用戶指定元素類型，并對數組的形狀進行適當的修改

a = np.arange(12).reshape(4,3) # a.tofile("raw10.raw") a.tofile("raw10.bin") print(a.dtype) # int32 print(a)b = np.fromfile("raw10.bin",dtype=np.int64) # 按照 np.int64 讀入的數據是錯誤的 print(b) # [ 4294967296 12884901890 21474836484 30064771078 38654705672 47244640266]b = np.fromfile("raw10.bin",dtype=np.int32) # 按照 np.int32 讀入的數據是一維的 print(b) # [ 0 1 2 3 4 5 6 7 8 9 10 11] b.shape = 4,3 print(b)print((a==b).all()) # True """ int32 [[ 0 1 2][ 3 4 5][ 6 7 8][ 9 10 11]] [ 4294967296 12884901890 21474836484 30064771078 38654705672 47244640266] [ 0 1 2 3 4 5 6 7 8 9 10 11] [[ 0 1 2][ 3 4 5][ 6 7 8][ 9 10 11]] True """

https://www.runoob.com/numpy/numpy-io.html

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的python3-numpy IO load()、save()、savez()、loadtxt()、savetxt()、tofile()、fromfile()的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。