37python数据分析numpy基础之save以二进制保存数组数据到文件

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!



http://www.chinasem.cn/article/1049800

相关文章

SQL Server修改数据库名及物理数据文件名操作步骤

《SQLServer修改数据库名及物理数据文件名操作步骤》在SQLServer中重命名数据库是一个常见的操作,但需要确保用户具有足够的权限来执行此操作,:本文主要介绍SQLServer修改数据... 目录一、背景介绍二、操作步骤2.1 设置为单用户模式(断开连接)2.2 修改数据库名称2.3 查找逻辑文件名

Java使用HttpClient实现图片下载与本地保存功能

《Java使用HttpClient实现图片下载与本地保存功能》在当今数字化时代,网络资源的获取与处理已成为软件开发中的常见需求,其中,图片作为网络上最常见的资源之一,其下载与保存功能在许多应用场景中都... 目录引言一、Apache HttpClient简介二、技术栈与环境准备三、实现图片下载与保存功能1.

canal实现mysql数据同步的详细过程

《canal实现mysql数据同步的详细过程》:本文主要介绍canal实现mysql数据同步的详细过程,本文通过实例图文相结合给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的... 目录1、canal下载2、mysql同步用户创建和授权3、canal admin安装和启动4、canal

从基础到进阶详解Pandas时间数据处理指南

《从基础到进阶详解Pandas时间数据处理指南》Pandas构建了完整的时间数据处理生态,核心由四个基础类构成,Timestamp,DatetimeIndex,Period和Timedelta,下面我... 目录1. 时间数据类型与基础操作1.1 核心时间对象体系1.2 时间数据生成技巧2. 时间索引与数据

MySQL JSON 查询中的对象与数组技巧及查询示例

《MySQLJSON查询中的对象与数组技巧及查询示例》MySQL中JSON对象和JSON数组查询的详细介绍及带有WHERE条件的查询示例,本文给大家介绍的非常详细,mysqljson查询示例相关知... 目录jsON 对象查询1. JSON_CONTAINS2. JSON_EXTRACT3. JSON_TA

使用SpringBoot整合Sharding Sphere实现数据脱敏的示例

《使用SpringBoot整合ShardingSphere实现数据脱敏的示例》ApacheShardingSphere数据脱敏模块,通过SQL拦截与改写实现敏感信息加密存储,解决手动处理繁琐及系统改... 目录痛点一:痛点二:脱敏配置Quick Start——Spring 显示配置:1.引入依赖2.创建脱敏

安装centos8设置基础软件仓库时出错的解决方案

《安装centos8设置基础软件仓库时出错的解决方案》:本文主要介绍安装centos8设置基础软件仓库时出错的解决方案,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐... 目录安装Centos8设置基础软件仓库时出错版本 8版本 8.2.200android4版本 javas

详解如何使用Python构建从数据到文档的自动化工作流

《详解如何使用Python构建从数据到文档的自动化工作流》这篇文章将通过真实工作场景拆解,为大家展示如何用Python构建自动化工作流,让工具代替人力完成这些数字苦力活,感兴趣的小伙伴可以跟随小编一起... 目录一、Excel处理:从数据搬运工到智能分析师二、PDF处理:文档工厂的智能生产线三、邮件自动化:

Python数据分析与可视化的全面指南(从数据清洗到图表呈现)

《Python数据分析与可视化的全面指南(从数据清洗到图表呈现)》Python是数据分析与可视化领域中最受欢迎的编程语言之一,凭借其丰富的库和工具,Python能够帮助我们快速处理、分析数据并生成高质... 目录一、数据采集与初步探索二、数据清洗的七种武器1. 缺失值处理策略2. 异常值检测与修正3. 数据

pandas实现数据concat拼接的示例代码

《pandas实现数据concat拼接的示例代码》pandas.concat用于合并DataFrame或Series,本文主要介绍了pandas实现数据concat拼接的示例代码,具有一定的参考价值,... 目录语法示例:使用pandas.concat合并数据默认的concat:参数axis=0,join=