3.Python科学计算与数据处理.ppt

文件存取 * a.tofile(a.bin) b = np.fromfile(a.bin, dtype=np.float) # 按照float类型读入数据 b # 读入的数据是错误的 array([ 2-314, 6-314, 1-313, 1-313, 1-313, 2-313]) a.dtype # 查看a的dtype dtype(int32) b = np.fromfile(a.bin, dtype=32) # 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]]) 文件存取 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。 sep参数指定的是文本数据中数值的分隔符。 * 文件存取 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]]) 文件存取 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： * 文件存取 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。 * 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 0 0 0 0 0 0 0 0) 文件存取 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%.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