數據處理
的時候主要通過兩個函數
(1):np.save(“test.npy”，數據結構） ----存數據
(2):data =np.load('test.npy") ----取數據
給2個例子如下（存列表）
1、
z = [[[1, 2, 3], ['w']], [[1, 2, 3], ['w']]]
np.save('test.npy', z)
x = np.load('test.npy')
x:
->array([[list([1, 2, 3]), list(['w'])],
[list([1, 2, 3]), list(['w'])]], dtype=object)
2、存字典
x
-> {0: 'wpy', 1: 'scg'}
np.save('test.npy',x)
x = np.load('test.npy')
x
->array({0: 'wpy', 1: 'scg'}, dtype=object)
3、在存為字典格式讀取后，需要先調用如下語句
data.item()
將數據numpy.ndarray對象轉換為dict
補充知識：python讀取mat或npy文件以及將mat文件保存為npy文件（或npy保存為mat）的方法
讀取mat文件並存為npy格式文件
具體見代碼，注意h5py的轉置問題
import numpy as np
from scipy import io
mat = io.loadmat('yourfile.mat')
# 如果報錯:Please use HDF reader for matlab v7.3 files
# 改為下一種方式讀取
import h5py
mat = h5py.File('yourfile.mat')
# mat文件里可能有多個cell，各對應着一個dataset
# 可以用keys方法查看cell的名字, 現在要用list(mat.keys()),
# 另外，讀取要用data = mat.get('名字'), 然后可以再用Numpy轉為array
print(mat.keys())
# 可以用values方法查看各個cell的信息
print(mat.values())
# 可以用shape查看維度信息
print(mat['your_dataset_name'].shape)
# 注意，這里看到的shape信息與你在matlab打開的不同
# 這里的矩陣是matlab打開時矩陣的轉置
# 所以，我們需要將它轉置回來
mat_t = np.transpose(mat['your_dataset_name'])
# mat_t 是numpy.ndarray格式
# 再將其存為npy格式文件
np.save('yourfile.npy', mat_t)
npy文件的讀取很簡單
import numpy as np matrix = np.load('yourfile.npy')
可以重新讀取npy文件保存為mat文件
方法一（在MATLAB雙擊打開時遇到了錯誤：Unable to read MAT-file *********.mat. Not a binary MAT-file. Try load -ASCII to read as text. ）：
import numpy as np
matrix = np.load('yourfile.npy')
f = h5py.File('yourfile.mat', 'w')
f.create_dataset('dataname', data=matrix)
# 這里不會將數據轉置
方法二（使用scipy）：
from scipy import io
mat = np.load('rlt_gene_features.npy-layer-3-train.npy')
io.savemat('gene_features.mat', {'gene_features': mat})
以上這篇Python 存取npy格式數據實例就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持。