python-Numpy Arrays

Numpy 数组是 Python List 的绝佳替代品。Numpy 数组的一些主要优点是它们快速、易于使用,并让用户有机会跨整个阵列执行计算。

在以下示例中,首先创建两个 Python 列表。然后,导入 numpy 包并从新创建的列表中创建 numpy 数组。

代码演示:

# Create 2 new lists height and weight
height = [1.87,  1.87, 1.82, 1.91, 1.90, 1.85]
weight = [81.65, 97.52, 95.25, 92.98, 86.18, 88.45]

# Import the numpy package as np
import numpy as np

# Create 2 numpy arrays from height and weight
np_height = np.array(height)
np_weight = np.array(weight)

NumPy是一个强大的Python库,主要用于科学计算。它提供了一个高性能的多维数组对象ndarray以及用于操作这些数组的工具。下面我们将详细介绍如何使用NumPy进行数据存取。 ### 使用`numpy.save`保存单个数组到文件 ```python import numpy as np # 创建一个示例数组 data = np.array([[1, 2], [3, 4]]) # 将数组保存为 .npy 文件 np.save('example.npy', data) ``` 通过以上代码片段可以看到我们创建了一组简单的二维数组,并将其保存成了名为 `example.npy` 的二进制文件。这种格式非常适合快速读写大型数值型数据集并且保持良好的性能特点。 ### 加载已存储的数据 当需要从 `.npy` 文件加载之前保存过的 NumPy 数组时可以这样做: ```python loaded_data = np.load('example.npy') print(loaded_data) # 输出应显示相同的矩阵 [[1 2] # [3 4]] ``` 如果想要将多个数组一起打包成一个`.npz`压缩包的形式,则可通过以下方式进行处理: #### 存储多个数组至单一归档文件(.npz) ```python a = np.arange(5) b = np.linspace(0., 2.*np.pi, 6) # 把两个数组作为关键字参数传入,键名即为它们将在档案中的名称。 np.savez("arrays.npz", a=a, b=b) ``` 此时会生成一个新的压缩文件叫做"arrays.npz". 为了恢复这个压缩文档里的所有内容你需要做的是这样的: ```python archive = np.load('arrays.npz') for key in archive.files: print(f"{key}: {archive[key]}") ``` 除了上述提到的方式外,还可以直接利用文本形式来进行简单的小规模数字列表交换如 CSV 或者 TSV 等常用表格结构化信息载体也都是可行的选择之一。 对于文本文件(例如CSV),你可以选择使用`genfromtxt()`或`loadtxt()`, 它们都能很好地应对这类任务需求。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

python_198

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值