NumPy 读写文件
此页面处理常见应用程序,有关 I/O 例程的完整集合,请参阅输入和输出
读取文件和CSV文件
没有缺失值
使用 numpy.loadtxt
有缺失值
使用 numpy.getfromtxt
numpy.getfromtxt要么:
- 返回一个屏蔽数组,屏蔽掉缺失值(如果
usemask = True
) - 用中指定的值 填充缺失值
filling_values
(默认np.nan
为浮点数,-1 为整数)。
使用非空白分隔符
>>> print(open("csv.txt").read())
1, 2, 3
4,, 6
7, 8, 9
掩码阵列输出
>>> np.genfromtxt("csv.txt", delimiter=",", usemask=True)
masked_array(
data=[[1.0, 2.0, 3.0],
[4.0, --, 6.0],
[7.0, 8.0, 9.0]],
mask=[[False, False, False],
[False, True, False],
[False, False, False]],
fill_value=1e+20)
数组输出
>>> np.genfromtxt("csv.txt", delimiter=",")
array([[ 1., 2., 3.],
[ 4., nan, 6.],
[ 7., 8., 9.]])
数组输出,指定填充值
>>> np.genfromtxt("csv.txt", delimiter=",", dtype=np.int8, filling_values=99)
array([[ 1, 2, 3],
[ 4, 99, 6],
[ 7, 8, 9]], dtype=int8)
空格分隔
numpy.genfromtxt
还可以解析具有缺失值的以空格分隔的数据文件,如果
每个字段都有一个固定的宽度:使用宽度作为分隔符参数。
## File with width=4. The data does not have to be justified (for example,
## the 2 in row 1), the last column can be less than width (for example, the 6
## in row 2), and no delimiting character is required (for instance 8888 and 9
## in row 3)
>>> f = open("fixedwidth.txt").read() # doctest: +SKIP
>>> print(f) # doctest: +SKIP
1 2 3
44 6
7 88889
## Showing spaces as ^
>>> print(f.replace(" ","^")) # doctest: +SKIP
1^^^2^^^^^^3
44^^^^^^6
7^^^88889
>>> np.genfromtxt("fixedwidth.txt", delimiter=4) # doctest: +SKIP
array([[1.000e+00, 2.000e+00, 3.000e+00],
[4.400e+01, nan, 6.000e+00],
[7.000e+00, 8.888e+03, 9.000e+00]])
特殊值(例如“x”)表示缺少字段:将其用作 missing_values参数。
>>> print(open("nan.txt").read())
1 2 3
44 x 6
7 8888 9
>>> np.genfromtxt("nan.txt", missing_values="x")
array([[1.000e+00, 2.000e+00, 3.000e+00],
[4.400e+01, nan, 6.000e+00],
[7.000e+00, 8.888e+03, 9.000e+00]])
您想跳过缺少值的行:设置 invalid_raise=False。
>>> print(open("skip.txt").read())
1 2 3
44 6
7 888 9
>>> np.genfromtxt("skip.txt", invalid_raise=False)
__main__:1: ConversionWarning: Some errors were detected !
Line #2 (got 2 columns instead of 3)
array([[ 1., 2., 3.],
[ 7., 888., 9.]])
分隔符空白字符不同于表示丢失数据的空白字符。例如,如果列由 分隔\t
,那么如果缺失数据由一个或多个空格组成,则将被识别。
>>> f = open("tabs.txt").read()
>>> print(f)
1 2 3
44 6
7 888 9
## Tabs vs. spaces
>>> print(f.replace("\t","^"))
1^2^3
44^ ^6
7^888^9
>>> np.genfromtxt("tabs.txt", delimiter="\t", missing_values=" +")
array([[ 1., 2., 3.],
[ 44., nan, 6.],
[ 7., 888., 9.]])
读取 .npy 或 .npz 格式的文件
选择:
- 使用
numpy.load
. 它可以读取任何的生成的文件numpy.save
,numpy.savez
或numpy.savez_compressed
。 - 使用内存映射。见
numpy.lib.format.open_memmap
。
写入文件供 NumPy 读取
二进制
使用 numpy.save
, 或 来存储多个数组numpy.savez
或numpy.savez_compressed
。
为了安全性和可移植性,allow_pickle=False
除非 dtype 包含需要酸洗的 Python 对象,否则设置 。
掩码数组,其他任意数组子类也不能。can't currently be saved
人类可读
numpy.save
并numpy.savez
创建二进制文件。要编写人类可读的文件,请使用numpy.savetxt
. 该数组只能是一维或二维的,并且没有用于多个文件的 savetxtz
。
大型数组
请参阅写入或读取大型数组。
读取任意格式的二进制文件("binary blob")
使用结构化数组
例子:
该.wav
文件头是前面的44字节块data_size
的实际声音数据的字节数:
chunk_id "RIFF"
chunk_size 4-byte unsigned little-endian integer
format "WAVE"
fmt_id "fmt "
fmt_size 4-byte unsigned little-endian integer
audio_fmt 2-byte unsigned little-endian integer
num_channels 2-byte unsigned little-endian integer
sample_rate 4-byte unsigned little-endian integer
byte_rate 4-byte unsigned little-endian integer
block_align 2-byte unsigned little-endian integer
bits_per_sample 2-byte unsigned little-endian integer
data_id "data"
data_size 4-byte unsigned little-endian integer
.wav
作为 NumPy 结构化 dtype的文件头:
wav_header_dtype = np.dtype([
("chunk_id", (bytes, 4)), # flexible-sized scalar type, item size 4
("chunk_size", "<u4"), # little-endian unsigned 32-bit integer
("format", "S4"), # 4-byte string, alternate spelling of (bytes, 4)
("fmt_id", "S4"),
("fmt_size", "<u4"),
("audio_fmt", "<u2"), #
("num_channels", "<u2"), # .. more of the same ...
("sample_rate", "<u4"), #
("byte_rate", "<u4"),
("block_align", "<u2"),
("bits_per_sample", "<u2"),
("data_id", "S4"),
("data_size", "<u4"),
#
# the sound data itself cannot be represented here:
# it does not have a fixed size
])
header = np.fromfile(f, dtype=wave_header_dtype, count=1)[0]
这个.wav
例子是为了说明;要.wav
在现实生活中读取文件,请使用 Python 的内置模块wave
。
写入或读取大型数组
太大而无法放入内存的数组可以像使用内存映射的普通内存中数组一样处理。
- 原始数组数据写入
numpy.ndarray.tofile
或numpy.ndarray.tobytes
可以读取numpy.memmap
:array = numpy.memmap("mydata/myarray.arr", mode="r", dtype=np.int16, shape=(1024, 1024))
- 通过输出文件
numpy.save
(即,使用numpy的格式)可以使用读取numpy.load
与所述mmap_mode
关键字参数:large_array[some_slice] = np.load("path/to/small_array", mmap_mode="r")
内存映射缺乏数据分块和压缩等功能;可与 NumPy 一起使用的更多功能齐全的格式和库包括:
- HDF5:h5py或PyTables。
- 扎尔:这里。
- NetCDF :
scipy.io.netcdf_file
.
有关 memmap、Zarr 和 HDF5 之间的权衡,请参阅 pythonspeed.com。
写入文件供其他(非 NumPy)工具读取
与其他工具交换数据的格式包括 HDF5、Zarr 和 NetCDF(请参阅写入或读取大型数组)。
写入或读取 JSON 文件
NumPy 数组不能直接 JSON 序列化。
使用 pickle 文件保存/恢复
尽可能避免;泡菜对于错误或恶意构建的数据并不安全。
使用numpy.save
和numpy.load
。Set allow_pickle=False
,除非数组 dtype 包含 Python 对象,在这种情况下需要酸洗。
从 Pandas DataFrame 转换为 NumPy 数组
见pandas.DataFrame.to_numpy
。
使用tofile
和保存/恢复fromfile
一般来说,更喜欢numpy.save
和numpy.load
。
numpy.ndarray.tofile
并numpy.fromfile
丢失有关字节顺序和精度的信息,因此不适用于除临时存储之外的任何其他内容。
更多建议: