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 = 3,4print("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:{},\nint格式b2:{},\nint32格式b3:{}'.format(b1,b2,b3))b3.shape = 3,4print('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 npa = np.arange(12)a.shape = 3,4# 将数据存储为npy/npznp.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:{}\n数组b2：{}\n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

总结

以上所述是小编给大家介绍的python利用numpy存取文件的方式,希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对网站的支持！
如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！