本文主要是介绍37python数据分析numpy基础之save以二进制保存数组数据到文件,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
1 python数据分析numpy基础之save以二进制保存数组数据到文件
python的numpy库的save(file,arr)函数,将数组以二进制格式保存到一个npy后缀的文件中。
用法
numpy.save(file, arr, allow_pickle=True, fix_imports=True)
描述
numpy.save(file,arr),可以保存任意维度的numpy数组,不限于一维和二维。
保存numpy数组的结构,取出时shape和dtype与保存时的shape和dtype一致。
只能保存一个numpy数组,每次保存会覆盖之前文件中存在的内容。
入参
file:必选,文件对象或文件名,用于保存数组的文件;
arr:必选,数组、列表、元组,可以为一维或多维数组,表示要保存的数组数据;
1.1 入参file
numpy.save(file,arr)的入参file为必选入参,可以为文件对象或文件名;
文件名后缀若为.npy则不补齐后缀,文件名后缀若没有.npy则自动补齐后缀;
文件名的路径必须存在,文件名可以不存在;
如果是文件对象,则必须以二进制方式打开;
>>> import numpy as np
# save(file,arr)将数组以二进制保存到npy文件
>>> f1=r'E:\ls\save1.npy'
# file为npy文件名
>>> np.save(f1,[0,1,2,3,4,5])
# file为没有后缀npy的文件,自动补后缀npy
>>> f5=r'E:\ls\save5'
>>> np.save(f5,[11,12,13,14,15])
# load()读npy文件
>>> np.load(f1)
array([0, 1, 2, 3, 4, 5])
>>> np.load(f5+'.npy')
array([11, 12, 13, 14, 15])
# file为文件对象,需以二进制b的模式打开
>>> f6=r'E:\ls\save6'
>>> f6obj=open(f6,'wb')
>>> np.save(f6obj,[1,2])
>>> f6obj=open(f6,'rb')
>>> np.load(f6obj)
array([1, 2])
1.2 入参arr
numpy.save(file,arr)的入参arr,为必选入参,可以为数组、列表、元组。可以为一维或多维数组,每次save都会覆盖之前的内容。
>>> import numpy as np
# save(file,arr)将数组已二进制保存到npy文件
>>> f1=r'E:\ls\save1.npy'
>>> f2=r'E:\ls\save2.npy'
>>> f3=r'E:\ls\save3.npy'
# arr为列表
>>> np.save(f1,[0,1,2,3,4,5])
# arr为元组
>>> np.save(f2,(1,2,3,4,5,6))
# arr为数组
>>> np.save(f3,np.array((2,3,4,5,6,7)))
# load()读npy文件
>>> np.load(f1)
array([0, 1, 2, 3, 4, 5])
>>> np.load(f2)
array([1, 2, 3, 4, 5, 6])
>>> np.load(f3)
array([2, 3, 4, 5, 6, 7])
# 每次save,会覆盖f3之前的内容
>>> np.save(f3,[9555,186])
>>> np.load(f3)
array([9555, 186])
# arr为三维数组
>>> np.save(f3,np.arange(24).reshape(2,3,4))
>>> np.load(f3)
array([[[ 0, 1, 2, 3],[ 4, 5, 6, 7],[ 8, 9, 10, 11]],[[12, 13, 14, 15],[16, 17, 18, 19],[20, 21, 22, 23]]])
>>> np.load(f3).shape
(2, 3, 4)
>>> np.load(f3).dtype
dtype('int32')
这篇关于37python数据分析numpy基础之save以二进制保存数组数据到文件的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!