內(nèi)容來源:

組隊學(xué)習(xí)?datawhale.club

import numpy as np

• npy格式：以二進(jìn)制的方式存儲文件，在二進(jìn)制文件第一行以文本形式保存了數(shù)據(jù)的元信息（ndim，dtype，shape等），可以用二進(jìn)制工具查看內(nèi)容。
• npz格式：以壓縮打包的方式存儲文件，可以用壓縮軟件解壓

np的讀取和保存

• 讀取: numpy.save(file, arr, allow_pickle=True, fix_imports=True) Save an array to a binary file in NumPy .npy format.
• 保存: numpy.load(file, mmap_mode=None, allow_pickle=False, fix_imports=True, encoding='ASCII') Load arrays or pickled objects from .npy, .npz or pickled files.

outfile = r'test.npy' np.random.seed(88) x = np.random.uniform(0,1,[3,5])# 均勻分布 np.save(outfile,x) y = np.load(outfile) yarray([[0.64755105, 0.50714969, 0.52834138, 0.8962852 , 0.69999119],[0.7142971 , 0.71733838, 0.22281946, 0.17515452, 0.45684149],[0.92873843, 0.00988589, 0.08992219, 0.85020027, 0.48562106]])

保存一系列數(shù)組

• 函數(shù): numpy.savez(file, *args, **kwds) Save several arrays into a single file in uncompressed .npz format.,第一個參數(shù)是輸出的文件名，隨后參數(shù)都是需要保存的數(shù)組,不寫關(guān)鍵字參數(shù)的話，數(shù)組默認(rèn)是arr_0開始命名
• 輸出的是一個壓縮文件，擴展名為npz，但是npz壓縮文件中的每一個文件都是save()類型保存的npy文件，文件的名字就是數(shù)組名字
• load()自動識別npz文件，并且返回一個類似于字典的對象，可以通過數(shù)組名作為關(guān)鍵字獲取數(shù)組的內(nèi)容。

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) 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. ][0. 0.78539816 1.57079633 2.35619449 3.14159265] [0. 0.70710678 1. 0.70710678 0. ] [ 1. 0.70710678 0. -0.70710678 -1. ]

文本文件處理

• savetxt()，loadtxt()和genfromtxt()函數(shù)用來存儲和讀取文本文件（如TXT，CSV等）。genfromtxt()比loadtxt()更加強大，可對缺失數(shù)據(jù)進(jìn)行處理。
• numpy.savetxt(fname, X, fmt='%.18e', delimiter=' ', newline='n', header='', footer='', comments='# ', encoding=None) Save an array to a text file.

fname：文件路徑

X：存入文件的數(shù)組。

fmt：寫入文件中每個元素的字符串格式，默認(rèn)’%.18e’（保留18位小數(shù)的浮點數(shù)形式）。

delimiter：分割字符串，默認(rèn)以空格分隔。

• numpy.loadtxt(fname, dtype=float, comments='#', delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0, encoding='bytes', max_rows=None) Load data from a text file.

fname：文件路徑。

dtype：數(shù)據(jù)類型，默認(rèn)為float。

comments: 字符串或字符串組成的列表，默認(rèn)為# ， 表示注釋字符集開始的標(biāo)志。

skiprows：跳過多少行，一般跳過第一行表頭。

usecols：元組（元組內(nèi)數(shù)據(jù)為列的數(shù)值索引）， 用來指定要讀取數(shù)據(jù)的列（第一列為0）。

unpack：當(dāng)加載多列數(shù)據(jù)時是否需要將數(shù)據(jù)列進(jìn)行解耦賦值給不同的變量。

• numpy.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') Load data from a text file, with missing values handled as specified.names：設(shè)置為True時，程序?qū)训谝恍凶鳛榱忻Q

# txt文件 outfile = r'test.txt' x = np.arange(0, 10).reshape(2, -1) np.savetxt(outfile, x,fmt='%.4f') y = np.loadtxt(outfile) print(y)[[0. 1. 2. 3. 4.][5. 6. 7. 8. 9.]] # csv文件 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]] # 導(dǎo)入 outfile = r'data.csv' x = np.loadtxt(outfile, delimiter=',', skiprows=1) print(x) x = np.loadtxt(outfile, delimiter=',', skiprows=1, usecols=(1, 2)) print(x) val1, val2 = np.loadtxt(outfile, delimiter=',', skiprows=1, usecols=(1, 2), unpack=True)#輸出按列元組話分配 print(val1) # [123. 110. 164.] print(val2) # [1.4 0.5 2.1][[ 1. 123. 1.4 23. ][ 2. 110. 0.5 18. ][ 3. 164. 2.1 19. ]] import numpy as npoutfile = 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.][[123. 1.4][110. 0.5][164. 2.1]] [123. 110. 164.] [1.4 0.5 2.1]

文本輸出格式選擇

np.set_printoptions(precision=None, threshold=None, edgeitems=None, linewidth=None, suppress=None, nanstr=None, infstr=None, formatter=None, sign=None, floatmode=None, --kwarg) #設(shè)置打印選項 recision：int or None浮點輸出的精度位數(shù)(默認(rèn)8)# 如floatmode不是fixed，可能是None

threshold：int觸發(fā)匯總的數(shù)組元素總數(shù)而不是完整的repr(默認(rèn)1000) edgeitems：int在開頭和結(jié)尾的摘要中的數(shù)組項數(shù) 每個維度(默認(rèn)為3) linewidth：int每行用于插入的字符數(shù)# 換行符(默認(rèn)為75) suppress : bool,科學(xué)記數(shù)法啟用 # True用固定點打印浮點數(shù)符號，當(dāng)前精度中的數(shù)字等于零將打印為零。 # False用科學(xué)記數(shù)法；最小數(shù)絕對值是<1e-4或比率最大絕對值> 1e3。默認(rèn)值False nanstr：str浮點非字母數(shù)字的字符串表示形式(默認(rèn)為nan) infstr：str浮點無窮大字符串表示形式(默認(rèn)inf) sign：string，' - '，'+'或''，控制浮點類型符號的打印。 # '+'打印正值標(biāo)志。''打印空格。' - '省略正值符號，默認(rèn)

formatter：可調(diào)用字典，格式化功能 # 格式化設(shè)置類型： - 'bool' - 'int' - 'timedelta'：'numpy.timedelta64' - 'datetime'：numpy.datetime64 - 'float' - 'longfloat'：128位浮點數(shù) - 'complexfloat' - 'longcomplexfloat'：由兩個128位浮點組成 - 'numpystr' : types numpy.string_ and numpy.unicode_ - 'object' : np.object_ arrays - 'str'：所有其他字符串

# 用于一次設(shè)置一組類型的其他鍵：- 'all'：設(shè)置所有類型- 'int_kind'：設(shè)置'int'- 'float_kind'：設(shè)置'float'和'longfloat'- 'complex_kind'：設(shè)置'complexfloat'和'longcomplexfloat'- 'str_kind'：設(shè)置'str'和'numpystr'

floatmode：str控制precision選項的解釋 #浮點類型值： -'fixed'：始終打印精確的'precision精度'小數(shù)位 -'unique'：打印最小小數(shù)位數(shù)，precision選項被忽略。 -'maxprec'：打印最多precision小數(shù)位數(shù) -'maxprec_equal'：最多打印precision小數(shù)位數(shù)

legacy：string或False # 如為字符串“1.13”，則啟用1.13傳統(tǒng)打印模式。 # 如設(shè)置“False”，禁用傳統(tǒng)模式。無法識別的字符串將被忽略

• numpy.get_printoptions() Return the current print options.返回之前的所有參數(shù)

# 輸出設(shè)置 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. ][ 0 1 2 ... 47 48 49] [ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 2324 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 4748 49] [-0. -0. 0. 0.] [-0. -0. 0. 0.] [ 0. 1.11 2.22 3.33 4.44 5.56 6.67 7.78 8.89 10. ] [ 0. 1.11 2.22 ... 7.78 8.89 10. ] import numpy as np x = np.get_printoptions() print(x){'edgeitems': 3, 'threshold': 5, 'floatmode': 'maxprec', 'precision': 2, 'suppress': True, 'linewidth': 75, 'nanstr': 'nan', 'infstr': 'inf', 'sign': '-', 'formatter': None, 'legacy': False}

作業(yè)

第一題: 只打印或顯示numpy數(shù)組rand_arr的小數(shù)點后3位。

• rand_arr = np.random.random([5, 3])【知識點：輸入和輸出】如何在numpy數(shù)組中只打印小數(shù)點后三位？

第二題: 將numpy數(shù)組a中打印的項數(shù)限制為最多6個元素。【知識點：輸入和輸出】

第三題：打印完整的numpy數(shù)組a而不中斷。【知識點：輸入和輸出】

rand_arr = np.random.random([5,3]) # 第一題: 設(shè)置浮點精度 np.set_printoptions(precision=3) print(rand_arr)# 第二題:設(shè)置輸出元素個數(shù) rand_arr = np.arange(10) np.set_printoptions(edgeitems=3)#edgeitems=nums，nums就是左右兩邊省略的數(shù) print(rand_arr)[0 1 2 ... 7 8 9] # 打印完整函數(shù)不中斷 rand_arr = np.arange(10) np.set_printoptions(threshold=float('inf')) print(rand_arr)[0 1 2 3 4 5 6 7 8 9]

總結(jié)

以上是生活随笔為你收集整理的numpy genfromtxt 读取字符_numpy组队学习1: 输入输出的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。