Numpy入门[18]——数组读写
Numpy入门[18]——数组读写
参考：
- https://ailearning.apachecn.org/
使用Jupyter进行练习
import numpy as np
空格（制表符）分割的文本
假设有这样的一个空白分割的文件：
%%writefile myfile.txt
2.1 2.3 3.2 1.3 3.1
6.1 3.1 4.2 2.3 1.8
Writing myfile.txt
为了生成数组，先将数据转化成一个列表组成的列表，再将这个列表转换为数组：
data = []
with open('myfile.txt') as f:
# 每次读一行
for line in f:
fileds = line.split()
row_data = [float(x) for x in fileds]
data.append(row_data)
data = np.array(data)
data
array([[2.1, 2.3, 3.2, 1.3, 3.1],
[6.1, 3.1, 4.2, 2.3, 1.8]])
更简便的是使用 loadtxt 方法：
data = np.loadtxt('myfile.txt')
data
array([[2.1, 2.3, 3.2, 1.3, 3.1],
[6.1, 3.1, 4.2, 2.3, 1.8]])
逗号分隔文件
%%writefile myfile.txt
2.1, 2.3, 3.2, 1.3, 3.1
6.1, 3.1, 4.2, 2.3, 1.8
Overwriting myfile.txt
对于逗号分隔的文件（通常为.csv格式）,我可以稍微修改之前繁琐的过程，将 split 的参数变成 ','即可。
不过，loadtxt 函数也可以读这样的文件，只需要制定分割符的参数即可：
data = np.loadtxt('myfile.txt', delimiter=',')
data
array([[2.1, 2.3, 3.2, 1.3, 3.1],
[6.1, 3.1, 4.2, 2.3, 1.8]])
loadtxt函数
loadtxt(fname, dtype=<type 'float'>,
comments='#', delimiter=None,
converters=None, skiprows=0,
usecols=None, unpack=False, ndmin=0)
delimiter 就是刚才用到的分隔符参数。
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
%%writefile myfile.txt
X Y Z MAG ANG
2.1 2.3 3.2 1.3 3.1
6.1 3.1 4.2 2.3 1.8
Overwriting myfile.txt
np.loadtxt('myfile.txt', skiprows=1)
array([[2.1, 2.3, 3.2, 1.3, 3.1],
[6.1, 3.1, 4.2, 2.3, 1.8]])
此外，有一个功能更为全面的 genfromtxt 函数，能处理更多的情况，但相应的速度和效率会慢一些。
genfromtxt(fname, dtype=<type 'float'>, comments='#', delimiter=None,
skiprows=0, skip_header=0, skip_footer=0, converters=None,
missing='', missing_values=None, filling_values=None, usecols=None,
names=None, excludelist=None, deletechars=None, replace_space='_',
autostrip=False, case_sensitive=True, defaultfmt='f%i', unpack=None,
usemask=False, loose=True, invalid_raise=True)
loadtxt的更多特性
%%writefile myfile.txt
-- BEGINNING OF THE FILE
% Day, Month, Year, Skip, Power
01, 01, 2000, x876, 13 % wow!
% we don't want have Jan 03rd
04, 01, 2000, xfed, 55
Overwriting myfile.txt
data = np.loadtxt('myfile.txt',
skiprows=1, #忽略第一行
dtype=np.int64, #数组类型
delimiter=',', #逗号分割
usecols=(0,1,2,4), #指定使用哪几列数据
comments='%' #百分号为注释符
)
data
array([[ 1, 1, 2000, 13],
[ 4, 1, 2000, 55]], dtype=int64)
loadtxt自定义转换方法
%%writefile myfile.txt
2010-01-01 2.3 3.2
2011-01-01 6.1 3.1
Overwriting myfile.txt
假设我们的文本包含日期，我们可以使用 datetime 在 loadtxt 中处理：
import datetime
def date_converter(s):
return datetime.datetime.strptime(s.decode('ascii'), "%Y-%m-%d")
data = np.loadtxt('myfile.txt',
dtype=object, #数据类型为对象
converters={0:date_converter, #第一列使用自定义转换方法
1:float, #第二第三使用浮点数转换
2:float})
data
array([[datetime.datetime(2010, 1, 1, 0, 0), 2.3, 3.2],
[datetime.datetime(2011, 1, 1, 0, 0), 6.1, 3.1]], dtype=object)
import os
os.remove('myfile.txt')
读写各种格式的文件
如下表所示：
| 文件格式 | 使用的包 | 函数 |
|---|---|---|
| txt | numpy | loadtxt, genfromtxt, fromfile, savetxt, tofile |
| csv | csv | reader, writer |
| Matlab | scipy.io | loadmat, savemat |
| hdf | pytables, h5py | |
| NetCDF | netCDF4, scipy.io.netcdf | netCDF4.Dataset, scipy.io.netcdf.netcdf_file |
| 文件格式 | 使用的包 | 备注 |
| wav | scipy.io.wavfile | 音频文件 |
| jpeg,png,… | PIL, scipy.misc.pilutil | 图像文件 |
| fits | pyfits | 天文图像 |
将数组写入文件
savetxt 可以将数组写入文件，参数如下：
savetxt(fname,
X,
fmt='%.18e',
delimiter=' ',
newline='\n',
header='',
footer='',
comments='# ')
示例：
data = np.array([[1,2],
[3,4]])
def output(file):
with open(file) as f:
for line in f:
print(line)
np.savetxt('out1.txt', data)
print("默认输出")
output('out1.txt')
np.savetxt('out2.txt', data, fmt="%d") #保存为整数
print('保存为整数')
output('out2.txt')
np.savetxt('out3.txt', data, fmt="%.2f", delimiter=',') #保存为2位小数的浮点数，用逗号分隔
print('保存为2位小数的浮点数，用逗号分隔')
output('out3.txt')
data2 = np.array([[1+1j,2],
[3,4]])
np.savetxt('out4.txt', data2, fmt="%.2f", delimiter=',') #保存为2位小数的浮点数，用逗号分隔
print('输出复数')
output('out4.txt')
默认输出
1.000000000000000000e+00 2.000000000000000000e+00
3.000000000000000000e+00 4.000000000000000000e+00
保存为整数
1 2
3 4
保存为2位小数的浮点数，用逗号分隔
1.00,2.00
3.00,4.00
输出复数
(1.00+1.00j), (2.00+0.00j)
(3.00+0.00j), (4.00+0.00j)
移除生成的文件。
import os
os.remove('out1.txt')
os.remove('out2.txt')
os.remove('out3.txt')
os.remove('out4.txt')
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。
单个数组的读写
a = np.array([[1.0,2.0], [3.0,4.0]])
fname = 'afile.npy'
np.save(fname, a)
aa = np.load(fname)
aa
array([[1., 2.],
[3., 4.]])
# 删除
os.remove('afile.npy')
二进制与文本大小比较
a = np.arange(10000.)
np.savetxt('a.txt',a)
print('文本文件大小：',os.stat('a.txt').st_size)
np.save('a.npy', a)
print('二进制文件大小：',os.stat('a.npy').st_size)
# 删除生成的文件
os.remove('a.npy')
os.remove('a.txt')
文本文件大小： 260000
二进制文件大小： 80128
可以看到，二进制文件大约是文本文件的三分之一。
保存多个数组
a = np.array([[1.0,2.0],
[3.0,4.0]])
b = np.arange(1000)
np.savez('data.npz', a=a, b=b)
# 查看包含的文件
!unzip -l data.npz
Archive: data.npz
Length Date Time Name
--------- ---------- ----- ----
160 1980/01/01 00:00 a.npy
4128 1980/01/01 00:00 b.npy
--------- -------
4288 2 files
# 载入数据
data = np.load('data.npz')
# 载入后可以像字典一样进行操作
# data['a']
data['b'].shape
(1000,)
压缩文件
print('当数据比较整齐时')
a = np.arange(20000.)
np.savez('a.npz', a=a)
print('文件压缩前大小：',os.stat('a.npz').st_size)
np.savez_compressed('a2.npz', a=a)
print('文件压缩后大小：',os.stat('a2.npz').st_size)
print('压缩倍数：',os.stat('a.npz').st_size/os.stat('a2.npz').st_size)
当数据比较整齐时
文件压缩前大小： 160256
文件压缩后大小： 26908
压缩倍数： 5.955700906793519
print('当数据比较混乱时')
a = np.random.rand(20000)
np.savez('a.npz', a=a)
print('文件压缩前大小：',os.stat('a.npz').st_size)
np.savez_compressed('a2.npz', a=a)
print('文件压缩后大小：',os.stat('a2.npz').st_size)
print('压缩倍数：',os.stat('a.npz').st_size/os.stat('a2.npz').st_size)
当数据比较混乱时
文件压缩前大小： 160256
文件压缩后大小： 151109
压缩倍数： 1.0605324633211788
os.remove('a.npz')
os.remove('a2.npz')