Numpy數組的保存與讀取

1. 數組以二進制格式保存

np.save和np.load是讀寫磁盤數組數據的兩個主要函數。默認情況下，數組以未壓縮的原始二進制格式保存在擴展名為npy的文件中，以數組a為例

np.save("filename.npy",a) b = np.load("filename.npy")
 
 
 
         

  
  
  
          
1
  
  
  
          
2
 
 
 
         

利用這種方法，保存文件的后綴名字一定會被置為.npy

2. 存取文本文件

使用 np.savetxt 和 np.loadtxt 只能讀寫 1 維和 2 維的數組 
np.savetxt：將數組寫入以某種分隔符隔開的文本文件中 
np.loadtxt：指定某種分隔符，將文本文件讀入到數組中

np.savetxt("filename.txt",a) b =  np.loadtxt("filename.txt", delimiter=',')
 
 
 
         

  
  
  
          
1
  
  
  
          
2
 
 
 
         

3. 保存為二進制文件

使用數組的 tofile 函數可以方便地將數組中數據以二進制的格式寫進文件

a.tofile("filename.bin") b = np.fromfile("filename.bin",dtype = **)
 
 
 
         

  
  
  
          
1
  
  
  
          
2
 
 
 
         

該方法與np.save有幾點區別：

1. tofile函數只能將數組保存為二進制文件，文件后綴名沒有固定要求。這種保存方法對數據讀取有要求，np.fromfile 需要手動指定讀出來的數據的的dtype，如果指定的格式與保存時的不一致，則讀出來的就是錯誤的數據。
2. tofile函數不能保存當前數據的行列信息，不管數組的排列順序是C語言格式的還是Fortran語言格式，統一使用C語言格式輸出。因此使用 np.fromfile 讀出來的數據是一維數組，需要利用reshape指定行列信息。

例如下面的例子所示：

>>> a = np.arange(0,12) >>> a.shape = 3,4 >>> a array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]]) >>> a.tofile("a.bin") >>> b = np.fromfile("a.bin", dtype=np.float) # 按照float類型讀入數據 >>> b # 讀入的數據是錯誤的 array([  2.12199579e-314,   6.36598737e-314,   1.06099790e-313,          1.48539705e-313,   1.90979621e-313,   2.33419537e-313]) >>> a.dtype # 查看a的dtype dtype('int32') >>> b = np.fromfile("a.bin", dtype=np.int32) # 按照int32類型讀入數據 >>> b # 數據是一維的 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 array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]])
 
 
 
         

  
  
  
          
1
  
  
  
          
2
  
  
  
          
3
  
  
  
          
4
  
  
  
          
5
  
  
  
          
6
  
  
  
          
7
  
  
  
          
8
  
  
  
          
9
  
  
  
          
10
  
  
  
          
11
  
  
  
          
12
  
  
  
          
13
  
  
  
          
14
  
  
  
          
15
  
  
  
          
16
  
  
  
          
17
  
  
  
          
18
  
  
  
          
19
  
  
  
          
20
  
  
  
          
21
 
 
 
         

參考資料 ： http://blog.csdn.net/pipisorry/article/details/39088003