Numpy数据二进制化
Numpy能够读写磁盘上的文本数据或二进制数据。
numpy.load和numpy.save函数(推荐在不需要查看保存数据的情况下使用)将数组以二进制格式保存到磁盘np.load和np.save是读写磁盘数组数据的两个主要函数,默认情况下,数组是以未压缩的原始二进制格式保存在扩展名为.npy的文件中。
例子:
import numpy as np
a=np.arange(5)
np.save('test.npy',a)
这样在程序所在的文件夹就生成了一个test.npy文件
将test.npy文件中的文件读出来
import numpy as np
a=np.load('test.npy')
print(a)
numpy.load和numpy.save函数(推荐在不需要查看保存数据的情况下使用)
以NumPy专用的二进制类型保存数据,这两个函数会自动处理元素类型和shape等信息,使用它们读写数组就方便多了,但是numpy.save输出的文件很难和其它语言编写的程序读入:
如果你想将多个数组保存到一个文件中的话,可以使用numpy.savez函数。savez函数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一个名字,非关键字参数传递的数组会自动起名为arr_0, arr_1, …。savez函数输出的是一个压缩文件(扩展名为npz),其中每个文件都是一个save函数保存的npy文件,文件名对应于数组名。load函数自动识别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关键字获取数组的内容:
import numpy as np
a=np.arange(3)
b=np.arange(4)
c=np.arange(5)
np.savez('array_save.npz',a,b,c_array=c)
这样程序所在文件夹就生成了一个array_save.npz文件
把npz文件中的数据读出来
import numpy as np
A=np.load('array_save.npz')
print(A['arr_0'])
print(A['arr_1'])
print(A['c_array'])
>>> np.save("a.npy", a) >>> c = np.load( "a.npy" ) >>> c array([[ 0, 1, 2, 3],[ 4, 5, 6, 7],[ 8, 9, 10, 11]])
Note:
1. 文件要保存为.npy文件类型,否则会出错
2. 保存为numpy专用二进制格式后,就不能用notepad++打开(乱码)看了,这是相对tofile内建函数不好的一点
numpy.savez函数
>>> a = np.array([[1,2,3],[4,5,6]]) >>> b = np.arange(0, 1.0, 0.1) >>> c = np.sin(b) >>> np.savez("result.npz", a, b, sin_array = c) >>> r = np.load("result.npz") >>> r["arr_0"] # 数组a array([[1, 2, 3],[4, 5, 6]]) >>> r["arr_1"] # 数组b array([ 0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9]) >>> r["sin_array"] # 数组c array([ 0. , 0.09983342, 0.19866933, 0.29552021, 0.38941834,0.47942554, 0.56464247, 0.64421769, 0.71735609, 0.78332691])
Numpy数据二进制化相关推荐
- 数据科学 IPython 笔记本 9.11 结构化数据:NumPy 的结构化数组
9.11 结构化数据:NumPy 的结构化数组 本节是<Python 数据科学手册>(Python Data Science Handbook)的摘录. 译者:飞龙 协议:CC BY-NC ...
- python读二进制格点雷达基数据_对numpy中二进制格式的数据存储与读取方法详解...
使用save可以实现对numpy数据的磁盘存储,存储的方式是二进制.查看使用说明,说明专门提到了是未经压缩的二进制形式.存储后的数据可以进行加载或者读取,通过使用load方法. In [81]:np. ...
- 【Python】merge:数据规整化:清理、转换、合并、重塑
merge:数据规整化:清理.转换.合并.重塑 目录: 文章目录 @[toc] 一 合并数据集 1 数据库风格的DataFrame合并 2 索引上的合并 3 轴向连接 4 合并重叠数据 二 重塑和轴向 ...
- kaggle比赛数据_表格数据二进制分类:来自5个Kaggle比赛的所有技巧和窍门
kaggle比赛数据 This article was originally written by Shahul ES and posted on the Neptune blog. 本文最初由 Sh ...
- 类的应用python平均分_【数据科学系统学习】Python # 数据分析基本操作[四] 数据规整化和数据聚合与分组运算...
本篇内容为整理<利用Python进行数据分析>,博主使用代码为 Python3,部分内容和书本有出入. 在前几篇中我们介绍了 NumPy.pandas.matplotlib 三个库的基本操 ...
- 使用tf.data.Dataset加载numpy数据
Mnist数据集 0~9的手写体图片,该数据默认已经将数据分成训练集和测试集.训练集有60000张图片,测试集有10000张图片. 导入必要库 import tensorflow as tf from ...
- Tensorflow2.* 加载和预处理数据之用 tf.data 加载 Numpy数据(2)
Tensorflow2.* 机器学习基础知识篇: 对服装图像进行分类 使用Tensorflow Hub对未处理的电影评论数据集IMDB进行分类 Keras 机器学习基础知识之对预处理的电影评论文本分类 ...
- 3.4 利用Pandas进行数据清洗和数据规整化
本文章是3.4.3.5的内容,如果想要源代码和数据可以看以下链接: https://download.csdn.net/download/Ahaha_biancheng/83338868 文章目录 3 ...
- 数据规整化:清理、转换、合并、重塑 《用Python进行数据分析》读书笔记第7章
数据规整化:清理.转换.合并.重塑 第7章 合并数据集 pandas.merge可以根据一个或多个键将不同DataFrame中的行连接起来. pandas.concat可以沿着一条轴将多个对象堆叠到一 ...
- R语言vtreat包自动处理dataframe的缺失值、使用分组的中位数来标准化数据列中每个数据的值(和中位数表连接并基于中位数进行数据标化)、计算数据列的中位数或者均值并进行数据标准化
R语言vtreat包自动处理dataframe的缺失值.使用分组的中位数来标准化数据列中每个数据的值(和中位数表连接并基于中位数进行数据标化).计算数据列的中位数或者均值并基于中位数或者均值进行数据标 ...
最新文章
- python3 pip3 install 报错 ModuleNotFoundError: No module named ‘_ctypes‘ 解决方法
- 推荐干货 | 我在阿里做运营:八一八运营经典误区
- YOLO学习-2:win10(64位)+ python3.6 + TensorFlow-GPU + keras + yolov3测试实践(增加笔记本显卡GPU加速)
- 趣学python3(25)-del,deepcopy以及内存引用计数
- ITK:处理矢量图像的N个分量
- Oracle 10g数据库基础之基本查询语句-中-函数
- 3.注释(代码的整洁之道)
- linux centos命令语法,linux-centos7
- 50种Java编程技巧,越早知道越好!(建议收藏)
- 前端开发利器—FIDDLER 转
- 切单个图标为背景透明的方法
- windows azure mysql data disk_调整Azure中虚拟机数据磁盘大小实践
- leetcode 384 打乱数组
- android win10 style,不开玩笑,安卓可以体验 Windows 10 了
- 统计学权威盘点过去50年最重要的统计学思想,因果推理、bootstrap等上榜
- 【ArcGIS】去除影像黑边的几种方法
- 安卓手机阅读器_手机屏幕太伤眼睛,墨水屏才是喜欢阅读人士的最爱
- 病毒木马查杀实战第024篇:MBR病毒之编程解析引导区
- Java高级——OutOfMemoryError和StackOverflowError
- linux 忽略错误信息,linux – 由于文件模式错误而忽略/etc/logrotate.conf
热门文章
- Front End Developer Questions 前端开发人员问题(二)
- JavaScript如何获取css属性
- protubuffer for windows配置指南!
- C/C++编程语言中char** a和char* a[]介绍
- HTML其他常用标签
- Vert.x Web
- pytest框架+conftest.py配置公共数据的准备和清理
- Linux服务器---配置apache支持用户认证
- html-webpack-template, 一个更好的html web service插件
- 网络流24题(更新中