numpy中以文本的方式存储以及读取数据方法

这篇文章主要介绍了关于numpy中以文本的方式存储以及读取数据方法，有着一定的参考价值，现在分享给大家，有需要的朋友可以参考一下

Numpy中除了能够把数据以二进制文件的方式保存到文件中以外，还可以选择把数据保存到文本文件中。如果我有磁盘存储的需要，我一般会选择文本的存储，因为后期的处理工具会有更多的选择。

文本存储数据文件可以采用savetxt的功能，而相应文件的加载可以采用loadtxt的功能。与二进制存储不同，savetxt的功能不会自动追加扩展名。

接下来做简单的操作练习示范：

In [15]: arr1 =rand(5,4)
 
In [16]: arr1
Out[16]:
array([[0.21349492, 0.77993282, 0.37269246, 0.70599725],
  [ 0.74004045, 0.64697716, 0.49489394, 0.94005934],
  [ 0.89902693, 0.43021685, 0.29623512, 0.4259565 ],
  [ 0.00146385, 0.7619464 , 0.2764662 , 0.00896728],
  [ 0.17746182, 0.81107356, 0.13140944, 0.12808611]])
 
In [17]:np.savetxt('data.txt',arr1)

Cardify卡片工坊

使用Markdown一键生成精美的小红书知识卡片

下载

通过以上操作，数组的信息被存储到了data.txt文件中。可以通过其他的文本编辑器或者其他处理工具进行编辑修改。以文本形式对文件直接进行查看结果如下：

C:\Users\ThinkPad\Desktop>typedata.txt
2.134949194782667092e-017.799328187516920696e-01 3.726924550593806451e-01 7.059972531846898658e-01
7.400404474495648754e-016.469771552354630639e-01 4.948939386825553788e-01 9.400593405075502451e-01
8.990269288143762916e-014.302168497691762905e-01 2.962351210526772416e-01 4.259564974067475696e-01
1.463850064000737916e-037.619464016912527171e-01 2.764661957409741966e-01 8.967282719944846825e-03
1.774618247314488917e-018.110735600283927038e-01 1.314094418012348164e-01 1.280861102265743456e-01

文件的加载：

In [22]: new_arr =np.loadtxt('data.txt')
 
In [23]: new_arr
Out[23]:
array([[0.21349492, 0.77993282, 0.37269246, 0.70599725],
  [ 0.74004045, 0.64697716, 0.49489394, 0.94005934],
  [ 0.89902693, 0.43021685, 0.29623512, 0.4259565 ],
  [ 0.00146385, 0.7619464 , 0.2764662 , 0.00896728],
  [ 0.17746182, 0.81107356, 0.13140944, 0.12808611]])

存储的数据文件可以通过加载的方式重新用以创建数组对象，为了验证存储与读取的一致性，做一下检查如下：

In [25]: arr1 ==new_arr
Out[25]:
array([[True, True, True, True],
  [ True, True, True, True],
  [ True, True, True, True],
  [ True, True, True, True],
  [ True, True, True, True]], dtype=bool)

从上面可以看出，读取回来的数据跟原来有着等价效果。

相关推荐：

numpy 进行数组拼接,分别在行和列上合并的实例

numpy实现合并多维矩阵、list的扩展方法