Python 学习笔记（14）

最新推荐文章于 2022-03-24 15:10:31 发布

原创最新推荐文章于 2022-03-24 15:10:31 发布 · 284 阅读

1 ·

CC 4.0 BY-SA版权

python个人学习笔记专栏收录该内容

22 篇文章

订阅专栏

本文详细介绍了Numpy中的数组广播机制，包括维度匹配原则及运算过程，并深入探讨了如何利用Numpy的loadtxt和savetxt函数读写文本文件，以及如何处理各种格式的文件，如CSV和二进制格式。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数组广播机制

对于 Numpy 来说，维度匹配当且仅当：

维度相同
有一个的维度是1
匹配会从最后一维开始进行，直到某一个的维度全部匹配为止，因此对于以下情况，Numpy 都会进行相应的匹配：

A	B	Result
3d array: 256 x 256 x 3	1d array: 3	3d array: 256 x 256 x 3
4d array: 8 x 1 x 6 x 1	3d array: 7 x 1 x 5	3d array: 8 x 7 x 6 x 5
3d array: 5 x 4 x 3	1d array: 1	3d array: 5 x 4 x 3
3d array: 15 x 4 x 13	1d array: 15 x 1 x 13	3d array: 15 x 4 x 13
2d array: 4 x 1	1d array: 3	2d array: 4 x 3

匹配成功后，Numpy 会进行运算得到相应的结果。

数组读写

从文本中读取数组

loadtxt 函数

loadtxt(fname, dtype=<type 'float'>, 
        comments='#', delimiter=None, 
        converters=None, skiprows=0, 
        usecols=None, unpack=False, ndmin=0)

loadtxt 有很多可选参数，其中 delimiter 就是刚才用到的分隔符参数。
skiprows 参数表示忽略开头的行数，可以用来读写含有标题的文本

使用 loadtxt 方法读取空格（制表符）分割的文本

使用 loadtxt 方法读取逗号分隔文件

In [10]:
%%writefile myfile.txt
 -- BEGINNING OF THE FILE
% Day, Month, Year, Skip, Power
01, 01, 2000, x876, 13 % wow!
% we don't want have Jan 03rd
04, 01, 2000, xfed, 55
Overwriting myfile.txt

 In [11]:
data = np.loadtxt('myfile.txt', 
                  skiprows=1,         #忽略第一行
                  dtype=np.int,      #数组类型
                  delimiter=',',     #逗号分割
                  usecols=(0,1,2,4), #指定使用哪几列数据
                  comments='%'       #百分号为注释符
                 )
data

Out[11]:  
array([[   1,    1, 2000,   13],
       [   4,    1, 2000,   55]])

读写各种格式的文件
如下表所示：

文件格式	使用的包	函数
txt	numpy	loadtxt, genfromtxt, fromfile, savetxt, tofile
csv	csv	reader, writer
Matlab	scipy.io	loadmat, savemat
hdf	pytables, h5py
NetCDF	netCDF4, scipy.io.netcdf	netCDF4.Dataset, scipy.io.netcdf.netcdf_file

文件格式	使用的包	备注
wav	scipy.io.wavfile	音频文件
jpeg,png,…	PIL, scipy.misc.pilutil	图像文件
fits	pyfits	天文图像

此外， pandas ——一个用来处理时间序列的包中包含处理各种文件的方法。

将数组写入文件

将数组写入文件 savetxt函数
savetxt(fname,
X,
fmt=’%.18e’,
delimiter=’ ‘,
newline=’\n’,
header=’’,
footer=’’,
comments=’# ')

Numpy 二进制格式

数组可以储存成二进制格式，
单个的数组保存为 .npy 格式，
多个数组保存为多个.npy文件组成的 .npz 格式，每个 .npy 文件包含一个数组。

与文本格式不同，二进制格式保存了数组的 shape, dtype 信息，以便完全重构出保存的数组。

保存的方法：

save(file, arr) 保存单个数组，.npy 格式
savez(file, *args, **kwds) 保存多个数组，无压缩的 .npz 格式
savez_compressed(file, *args, **kwds) 保存多个数组，有压缩的 .npz 格式

读取的方法：

load(file, mmap_mode=None) 对于 .npy，返回保存的数组，对于 .npz，返回一个名称-数组对组成的字典。

示例：

单个数组的读写

a = np.array([[1.0,2.0], [3.0,4.0]])

fname = 'afile.npy'
np.save(fname, a)

In [25]:
aa = np.load(fname)
aa

保存多个数组

a = np.array([[1.0,2.0], 
              [3.0,4.0]])
b = np.arange(1000)
np.savez('data.npz', a=a, b=b)

载入数据：data = np.load('data.npz')
载入后可以像字典一样进行操作：

list(data.keys())  #读取字典的关键字
data['a']   #读取关键字对应的值
 data['b'].shape #读取b的维度