数组读写 逗号分隔文件 python

1. 数组读写（注意bytes与str数据类型的相互转换）

（1）空格（制表符）分割的文本

 

 1 import numpy as np
 2 #生成目标文本
 3 %%writefile myfile.txt
 4 2.1 2.3 3.2 1.3 3.1
 5 6.1 3.1 4.2 2.3 1.8
 6 #常规读取方式（繁琐）
 7 data = []
 8 with open('myfile.txt') as f:
 9     # 每次读一行
10     for line in f:
11         fileds = line.split()
12         row_data = [float(x) for x in fileds]
13         data.append(row_data)
14 
15 data = np.array(data)
16 #使用loadtxt方法（简便）
17 data = np.loadtxt('myfile.txt')

 

（2）逗号分割文件（通常为.csv格式）

1 %%writefile myfile.txt
2 2.1, 2.3, 3.2, 1.3, 3.1
3 6.1, 3.1, 4.2, 2.3, 1.8
4 #常规方法，仅需将上述繁琐过程中的split的参数变为','即可
5 data = np.loadtxt('myfile.txt', delimiter=',')　　#指定分隔符参数

（3）loadtxt函数

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

skiprows 参数表示忽略开头的行数，可以用来读写含有标题的文本

1 %%writefile myfile.txt
2 X Y Z MAG ANG
3 2.1 2.3 3.2 1.3 3.1
4 6.1 3.1 4.2 2.3 1.8
5 
6 np.loadtxt('myfile.txt', skiprows=1)　　#忽略第一行

注：genfromtxt函数功能更加全面，但是处理速度和效率会慢一点

 

 1 %%writefile myfile.txt　　#写文件
 2  -- BEGINNING OF THE FILE
 3 % Day, Month, Year, Skip, Power
 4 01, 01, 2000, x876, 13 % wow!
 5 % we don't want have Jan 03rd
 6 04, 01, 2000, xfed, 55
 7 
 8 data = np.loadtxt('myfile.txt', 
 9                   skiprows=1,         #忽略第一行
10                   dtype=np.int,      #数组类型
11                   delimiter=',',     #逗号分割
12                   usecols=(0,1,2,4), #指定使用哪几列数据
13                   comments='%'       #百分号为注释符
14                  )

 

（4）自定义转换方法

 

 1 %%writefile myfile.txt
 2 2010-01-01 2.3 3.2
 3 2011-01-01 6.1 3.1
 4 
 5 import datetime
 6 
 7 def date_converter(s):　　#自定义的转换方法
 8     return datetime.datetime.strptime(s.decode('ascii'), "%Y-%m-%d")　　#保证输入参数为字符串
 9 
10 data = np.loadtxt('myfile.txt',
11                   dtype=np.object, #数据类型为对象
12                   converters={0:date_converter,  #第一列使用自定义转换方法
13                               1:float,           #第二第三使用浮点数转换
14                               2:float})

 

（5）读写各种格式的文件

（6）将数组写入文件

savetxt：将数组写入文件，默认使用科学计数法的形式保存

savetxt(fname, X, fmt='%.18e', delimiter=' ', newline='\n', header='', footer='', comments='# ')　　//格式fmt，分隔符delimiter

 

 1 data = np.array([[1,2], 
 2                  [3,4]])
 3 
 4 np.savetxt('out.txt', data)
 5 with open('out.txt') as f:
 6     for line in f:
 7         print(line, end='')
 8 
 9 data = np.array([[1,2], 
10                  [3,4]])
11 
12 np.savetxt('out.txt', data, fmt="%d") #保存为整数
13 np.savetxt('out.txt', data, fmt="%.2f", delimiter=',') #保存为2位小数的浮点数，用逗号分隔
14 
15 data = np.array([[1+1j,2], 
16                  [3,4]])　　#复数值，默认会加上括号
17 
18 np.savetxt('out.txt', data, fmt="%.2f", delimiter=',') #保存为2位小数的浮点数，用逗号分隔

 

（7）Numpy二进制格式

• 数组可以储存成二进制格式，单个的数组保存为 .npy 格式，多个数组保存为多个.npy文件组成的 .npz 格式，每个 .npy 文件包含一个数组。
• 与文本格式不同，二进制格式保存了数组的 shape, dtype 信息，以便完全重构出保存的数组。

保存的方法：

• save(file, arr) 保存单个数组，.npy 格式
• savez(file, *args, **kwds) 保存多个数组，无压缩的 .npz 格式
• savez_compressed(file, *args, **kwds) 保存多个数组，有压缩的 .npz 格式

读取的方法：

• load(file, mmap_mode=None) 对于 .npy，返回保存的数组，对于 .npz，返回一个名称-数组对组成的字典。

1 a = np.array([[1.0,2.0], [3.0,4.0]])
2 #单个数组读写
3 fname = 'afile.npy'
4 np.save(fname, a)
5 aa = np.load(fname)

二进制与文本大小比较：

 

1 import os
2 a = np.arange(10000.)
3 
4 np.savetxt('a.txt', a)
5 os.stat('a.txt').st_size　　#查看文件大小
6 
7 np.save('a.npy', a)
8 os.stat('a.npy').st_size

 

注：二进制文件较小

 

 1 a = np.array([[1.0,2.0], 
 2               [3.0,4.0]])
 3 b = np.arange(1000)
 4 #保存多个数组
 5 np.savez('data.npz', a=a, b=b)
 6 !unzip -l data.npz　　#使用！执行系统命令unzip查看里面包含的文件
 7 
 8 data = np.load('data.npz')　　#载入数据
 9 
10 data.keys()　　#载入后可以像字典一样进行操作
11 data['a']
12 data['b'].shape
13 
14 # 要先删除 data，否则删除时会报错
15 del data
16 os.remove('data.npz')　　

PermissionError: [WinError 32] 另一个程序正在使用此文件，进程无法访问。: 'data.npz'

 

压缩文件

 

 #数据比较整齐时，压缩率较大
 1 a = np.arange(20000.)
 2 np.savez('a.npz', a=a)　　#无压缩
 3 os.stat('a.npz').st_size
 4 np.savez_compressed('a2.npz', a=a)　　#有压缩
 5 os.stat('a2.npz').st_size
 #数据比较混乱时，压缩率较小
 6 a = np.random.rand(20000.)
 7 np.savez('a.npz', a=a)　　#无压缩
 8 os.stat('a.npz').st_size
 9 np.savez_compressed('a2.npz', a=a)　　#有压缩
10 os.stat('a2.npz').st_size

 

2. 结构化数组

（1）可以使用 dtype 创造了自定义的结构类型，然后用自定义的结构来解释数组所占的内存

 

 1 import numpy as np
 2 a = np.array([1.0,2.0,3.0,4.0], np.float32)
 3 a.view(np.complex64)　　#使用view方法，将a对应的内存按照复数来解释 
 4 my_dtype = np.dtype([('mass', 'float32'), ('vol', 'float32')])
 # 将第一个浮点数解释为质量，第二个浮点数解释为速度，这段内存还可以看成是包含两个域（质量和速度）的结构体
 5 a.view(my_dtype)
 6 my_data = np.array([(1,1), (1,2), (2,1), (1,3)], my_dtype)
 7 my_data[0]　　#第一个元素
 8 my_data[0]['vol']　　#第一个元素的速度域
 9 my_data['mass']　　#所有元素的质量域
10 my_data.sort(order=('vol', 'mass'))　　#自定义排序规则，先速度，后质量
11 person_dtype = np.dtype([('name', 'S10'), ('age', 'int'), ('weight', 'float')])
 # 定义一个人的结构类型
12 people = np.empty((3,4), person_dtype)　　#产生3*4的空结构体数组
 # 根据属性域，分别赋值
13 people['name'] = [['Brad', 'Jane', 'John', 'Fred'],
14                   ['Henry', 'George', 'Brain', 'Amy'],
15                   ['Ron', 'Susan', 'Jennife', 'Jill']]
16 people['age'] = [[33, 25, 47, 54],
17                  [29, 61, 32, 27],
18                  [19, 33, 18, 54]]
19 people['weight'] = [[135., 105., 255., 140.],
20                     [154., 202., 137., 187.],
21                     [188., 135., 88., 145.]]
22 people[-1, -1]　　#值为：('Jill',54,145.0)

 

（2）从文本中读取结构化数组

 

 1 %%writefile people.txt
 2 name age weight
 3 amy 11 38.2
 4 john 10 40.3
 5 bill 12 21.2
 6 #定义类型
 7 person_dtype = np.dtype([('name', 'S10'), ('age', 'int'), ('weight', 'float')])
 8 people = np.loadtxt('people.txt', 
 9                     skiprows=1,
10                     dtype=person_dtype)　　#指定类型
11 people['name']　　#查看name域
12 
13 %%writefile wood.csv
14 item,material,number
15 100,oak,33
16 110,maple,14
17 120,oak,7
18 145,birch,3
19  　　
20 tree_to_int = dict(oak = 1,
21                    maple=2,
22                    birch=3)
23 #定义转换函数，使之对应于整数
24 def convert(s):
25     return tree_to_int.get(s.decode('utf-8'), 0)　　#将bytes数据转换成string类型；如仅使用s，则将都转换成默认值0
26 
27 data = np.genfromtxt('wood.csv',
28                      delimiter=',', # 逗号分隔
29                      dtype=np.int, # 数据类型
30                      names=True,   # 从第一行读入域名作为属性名称
31                      converters={1:convert}
32                     )
33 
34 data['material']　　#查看域

 

（3）嵌套类型

 

 #定义嵌套类型：位置（x,y）、质量
 1 particle_dtype = np.dtype([('position', [('x', 'float'), 
 2                                          ('y', 'float')]),
 3                            ('mass', 'float')
 4                           ])
 5 
 6 %%writefile data.txt
 7 2.0 3.0 42.0
 8 2.1 4.3 32.5
 9 1.2 4.6 32.3
10 4.5 -6.4 23.3
11 
12 data = np.loadtxt('data.txt', dtype=particle_dtype)　　#读取数据
13 data['position']['x']　　#访问位置中嵌套的x轴数据

 

 3. 记录数组（record array）

 

 1 import numpy as np
 2 #定义质点类型
 3 partical_dtype = np.dtype([('mass', 'float'), 
 4                            ('velocity', 'float')])
 5 
 6 from numpy import rec　　#生成记录数组需要使用numpy.rec里的fromrecords
 7 particals_rec = rec.fromrecords([(1,1), (1,2), (2,1), (1,3)], 
 8                                 dtype = partical_dtype)
 9 
10 particals_rec.mass　　#通过属性访问域
11 particals_rec['mass']　　#直接查看域

 

注：记录数组的运行效率要比结构化数组要慢一些

 

#定义结构化数组
1 particals = np.array([(1,1), (1,2), (2,1), (1,3)],
2                      dtype = partical_dtype)
3 #使用view方法将结构化数组看成记录数组
4 particals_rec = particals.view(np.recarray)
5 particals_rec.mass　　#访问域
6 particals_rec.velocity
7 particals.dtype.names　　#对于自定义类型particals.dtype，通过names属性查看有哪些域

 

4. 内存映射：内存映射文件与虚拟内存有些类似，通过内存映射文件可以保留一个地址空间的区域，同时将物理存储器提交给此区域；内存文件映射的物理存储器来自一个已经存在于磁盘上的文件，而且在对该文件进行操作之前必须首先对文件进行映射。

使用内存映射文件处理存储于磁盘上的文件时，将不必再对文件执行I/O操作（速度快），使得内存映射文件在处理大数据量的文件时能起到相当重要的作用。

主要函数有：

• memmap
• frombuffer
• ndarray constructor

其中，memmap(filename, dtype=uint8, mode='r+', offset=0, shape=None, order=0)

mode表示文件被打开的类型：

• r 只读
• c 复制+写，但是不改变源文件
• r+ 读写，使用 flush 方法会将更改的内容写入文件
• w+ 写，如果存在则将数据覆盖

offset表示从第几个位置开始

 

参考资料：

1、《Introducing Python》

2、《像计算机科学家一样思考Python》

3、《Python编程：从入门到实践》

4、《Python编程实战:运用设计模式、并发和程序库创建高质量程序》

5、《自学Python——编程基础、科学计算及数据分析》

6、  https://github.com/lijin-THU/notes-python