NumPy提供了多种存取数组内容的文件操作函数。保存数组数据的文件可以是二进制格式或者文本格式。二进制格式的文件又分为NumPy专用的格式化二进制类型和无格式类型。

numpy格式的文件可以保存为后缀为(.npy/.npz)格式的文件

1. tofile()和fromfile()

tofile()将数组中的数据以二进制格式写进文件

tofile()输出的数据不保存数组形状和元素类型等信息

fromfile()函数读回数据时需要用户指定元素类型，并对数组的形状进行适当的修改

import numpy as np

# 随机生成12个数字并将其有一维转换成3*4的矩阵形式

a = np.arange(12)

print("一维数组:",a)

a.shape = 3,4

print("3*4的矩阵:",a)

# 将数组中的数据以二进制格式写入到文件

a.tofile('a.bin')

# fromfile在读取numpy文件时需要自己指定数据格式,并且原格式并为保存

b1 = np.fromfile('a.bin', dtype=np.float) # 按照float读取数据

b2 = np.fromfile('a.bin', dtype=np.int) # 按照int读取数据

b3 = np.fromfile('a.bin', dtype=np.int32) # 按照int32读取数据

print('float格式b1:{},int格式b2:{},int32格式b3:{}'.format(b1,b2,b3))

b3.shape = 3,4

print('b3:',b3)

2. save() 和 load(),savez()

NumPy专用的二进制格式保存数据，它们会自动处理元素类型和形状等信息

如果想将多个数组保存到一个文件中，可以使用savez()

savez()的第一个参数是文件名，其后的参数都是需要保存的数组，也可以使用关键字参数为数组起名

非关键字参数传递的数组会自动起名为arr_0、arr_1、...。

savez()输出的是一个扩展名为npz的压缩文件，其中每个文件都是一个save()保存的npy文件，文件名和数组名相同

load()自动识别npz文件，并且返回一个类似于字典的对象，可以通过数组名作为键获取数组的内容

import numpy as np

a = np.arange(12)

a.shape = 3,4

# 将数据存储为npy/npz

np.save('a.npy', a)

np.save('a.npz', a)

c = np.load('a.npy')

print('save-load：',c)

# 存储多个数组

b1 = np.array([[6, 66, 666],[888, 88,8]])

b2 = np.arange(0, 1.0, 0.1)

c2 = np.sin(b2)

np.savez('result.npz', b1,b2,sin_arry = c)

c3 = np.load('result.npz') # npz文件时一个压缩文件

print(c3)

print("数组b1:{}数组b2：{}数组sin_arry:{}".format(c3['arr_0'],c3['arr_1'],c3['sin_arry']))

3. savetxt() 和 loadtxt()

读写1维和2维数组的文本文件

可以用它们读写CSV格式的文本文件

用这种方式来对数据进行存储，方便深度学习中, 保存了训练集,验证集,测试集,还包括他们的标签,用这个方式存储起来,要啥加载啥,文件数量大大减少,也不会到处改文件名。算是get到了另外一种好的存储数据的方式