Fortan写出数据到CSV文件中

最新推荐文章于 2025-04-05 08:09:51 发布

耗子来啦(公众号：算法狗)

最新推荐文章于 2025-04-05 08:09:51 发布

阅读量1.3k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： Fortan

本文链接：https://blog.youkuaiyun.com/hguo11/article/details/52448006

Fortan 专栏收录该内容

2 篇文章

订阅专栏

1.输入代码

         program HelloWorld
         open(unit=60, file='F:\Lambda3.csv')
          write(60,*) 4.2,5.2/sqrt(2*12550/4.1595e-11)
         end program HelloWorld

2.结果如下

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

耗子来啦(公众号：算法狗)

关注关注

1
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

grib中数据读取并导出到文本文件中

ISmileLi的博客

09-15

1万+

最近忙着赶项目加上家里的事比较多，就没有来得及更新博客，今天主要讲解一下grib数据的查看方法和读取方法。grib数据没有找到好的可视化工具打开它，官网提供的一个可视化工具叫Metview，此工具的安装过程相当的复杂，搞了将近3个小时最后还是没有安装成功，由于项目比较紧就果断的先放弃啦。这种方法不行，还可以使用ecCodes提供的自带命令行方式把grib数据中的一条一条的消息导出到一个.txt文件...

说透 CSV 格式

GitChat

10-16

1025

CSV 这么简单的格式，需要单独一篇文章来说明吗？其实细节隐藏在魔鬼之中，我们过去的团队在生成 CSV 内容的时候，由于兼容性问题也是吃过苦头的。因此，我觉得还是有必要写一篇文章，从各个方面把这个格式彻底讲透。本文将介绍： CSV 格式的来源、历史背景和规范化情况；规范化的 CSV 格式要求与实际支持情况； Python 内置库与第三方库处理 CSV 的接口与细节；处理 CSV 格式应该注...

参与评论您还未登录，请先登录后发表或查看评论

program_open_fortran读取csv_fortran读取CSV文件模块_fortran读csv_

09-30

fortran读写CSV文件模块声明：type(csv_file)::f写文件初始化 f%initialize() 打开文件 f%open() 关闭文件 f%close() 增加数据 f%add() 换行 f%next_row()读文件 f%read() 读取数据 f%get() 获取数据总行数 f%get_n_rows() 获取数据总列数 f%get_n_cols() 返回列类型 f%variable_types() 析构函数 f%destroy() 获取表头 f%get_header()

Fortran入门【3】写出CSV格式文件示例

youshenfan的专栏

02-04

2197

使用Fortran写出CSV格式文件、表控文件。

Fortran 输出数组为csv（数值之间有逗号）

Sanfenpai6的博客

06-06

537

读取的时候要用*号，否则也读不出来。

读取CSV文件

MLLNFBJY的博客

07-04

648

实现读取前5行，data.shape输出shape

fortran操作excel

04-04

fortran操作excel的例子,这里有例子及演示,很有用的,希望你们多加研究改进,相互交流

Matlab中的大数据处理：高效读取Excel文件的秘诀

![matlab导入excel数据.md]...本文探讨了大数据与Excel文件在Matlab中的应用，阐述了Matlab在大数据处理中的理论基础

Python数据分析学习总结——替代Matlab

Dfreedom.的博客

10-09

3871

本文总结了一下Python数据分析的流程，并梳理了一下所用到的库的框架（就是这个库里大致有哪些模块，这些模块下大致有哪些函数）最后通过一个数据拟合的实例来演示Python数据分析的过程。

【Fortran字符串处理的艺术】：从基本操作到正则表达式，字符串处理的完整指南

本文深入探讨了Fortran语言中的字符串处理技巧，从基础入门到进阶操作，再到正则表达式的使用及性能优化，最后以实践案例分析和未来展望作为总结。文章首先介绍了字符串处理的基本概念和连接、替换、切割、截取等...

fortran编写的segy读取文件(基于linux) stream流读入带数据

02-22

fortran编写的segy读取文件(基于linux) stream流读入带数据编译时用gfortran read_stream.f90 -o read 即可

提取csv文件数据为dat格式

04-20

简单的将csv文件中的一列数据提取出来，采样并放大后生成dat文件

Fortran 中读取 MATLAB 生成的数据文件

weixin_42849849的博客

04-05

919

如果数据是文本格式（如 MATLAB 导出的。MATLAB v7.3 及以上版本的。根据数据格式和项目需求选择合适的方法！

Fluent CSV/XML Exporter for List

anchengyu2008的博客

12-22

322

http://www.codeproject.com/KB/miscctrl/CSVListExporter.aspx修改默认参数为重载后，VS2008可以正常编译.usingSystem;usingSystem.Collections.Generic;usingSystem.Linq;usingSystem.Text;usingSystem.Linq.Expression...

FORTRAN+计算物理学学习日记（8）

m0_68623139的博客

06-17

158

第三章边值问题和本征值问题3.1numerov算法例题绘制图像如下：

导出csv文件时，处理分隔符问题

诗和田野

08-19

1292

CSV文件默认以英文逗号做为列分隔符，换行符作为行分隔符。如果不提供网页形式只用命令行或二进制程序输出数据到CSV，只需要将数据段按,分割，行按\n分割，写入到一个.csv文件即可。但有时字段里含有,和换行符就麻烦了，数据输出会出现混乱。这时可以使用双引号"来将每个字段内容括起来，CSV默认认为由""括起来的内容是一个栏位，这时不管栏位内容里有除"之外字符的任何字符都可以按原来形

【Fortran】文件读取、写入（初级）

最新发布

04-29

<think>好的，用户想了解npy文件的定义和用途。首先，我需要回忆一下关于numpy库的知识，尤其是npy文件的相关内容。记得npy是numpy用来保存数组数据的二进制格式，对吧？用户可能已经接触过保存和加载数据的需求，比如在机器学习或数据处理中。首先，我应该明确npy文件的基本定义。npy是NumPy专用的二进制格式，用于存储单个ndarray对象。它的结构包括头部信息和实际数据，头部描述了数组的维度、数据类型等信息。这样可以确保数据在加载时保持原有的结构，这点很重要。接下来是用途。用户可能想知道为什么用npy而不是其他格式，比如CSV或者文本文件。需要强调npy的高效性，尤其是在处理大型数组时，二进制格式的读写速度更快，占用的空间更小。另外，npy文件保留了数据类型信息，避免了转换错误，这对科学计算来说很关键。然后要考虑用户可能的实际应用场景。比如在机器学习中保存训练好的模型参数，或者在不同程序之间高效传输数据。这时候npy文件就很方便，因为加载和保存都非常简单，只需要几行代码。比如引用中的例子，np.save和np.load的使用方法，应该提到这些函数，并说明其参数和用法。用户提供的引用里提到了np.savez和np.save，还有scikit-image的例子，但这些可能不是用户问题的核心。不过，可以稍微提及np.savez用于存储多个数组，而npy是单个数组，避免混淆。此外，虽然引用的第三个关于图像处理的例子可能关联不大，但可以说明npy和其他格式（如JPEG、PNG）的区别，npy更适合存储原始数组数据，而不是图像展示。可能还需要比较npy和其他格式的优缺点，比如与CSV相比，npy更高效，但不方便人类阅读。或者与HDF5相比，npy更简单但适合单个数组，而HDF5适合复杂的层次数据。用户的问题也可能涉及到如何实际使用npy文件，所以给出代码示例会很有帮助。例如，保存一个数组，然后加载它，并验证数据的一致性。这样用户可以直观地看到过程。另外，需要注意用户可能对二进制文件的安全性或兼容性有疑问。可以提到npy是跨平台的，但不同版本的NumPy可能存在兼容性问题，建议保持版本一致。最后，确保回答结构清晰，分点说明定义、特点、用途和示例，让用户逐步理解。同时，生成的相关问题要围绕npy的扩展，比如与其他格式的比较，如何高效读写，或者实际应用案例等。</think>### NPY文件格式详解 #### 一、定义与结构 NPY是NumPy库的专用二进制文件格式，用于存储单个NumPy数组（$ndarray$）。其文件结构包含： 1. **头部信息**：描述数组维度$dtype$、形状$shape$等元数据，采用Python字典格式 2. **二进制数据块**：按C语言连续内存布局存储的原始数组数据[^2] #### 二、核心特点 1. **高效性**：二进制存储比文本格式（如CSV）读写速度快$10-100$倍 2. **完整性**：保留数组的维度、数据类型、字节顺序等信息 3. **压缩性**：支持添加压缩选项（如`allow_pickle=False`） 4. **跨平台**：支持Windows/Linux/macOS系统间数据交换 #### 三、典型应用场景 1. 机器学习模型参数的持久化存储 ```python np.save('model_weights.npy', neural_network.weights) ``` 2. 科学计算中间结果的快速存取 3. 大规模数据集的分块存储（需配合`np.memmap`使用） 4. 跨语言数据交换（通过C/Fortran接口读取） #### 四、基础操作示例 ```python import numpy as np # 创建示例数组 arr = np.arange(1,6) # 生成[1,2,3,4,5] # 保存为npy文件 np.save('demo_array.npy', arr) # 加载npy文件 loaded_arr = np.load('demo_array.npy') print(loaded_arr) # 输出[1 2 3 4 5] ``` #### 五、与相关格式对比 | 格式 | 存储内容 | 可读性 | 处理速度 | 适用场景 | |--------|----------------|--------|----------|-----------------------| | NPY | 单个ndarray | 低 | 最快 | 科学计算数据交换 | | NPZ | 多个ndarray | 低 | 快 | 多参数存储[^1] | | CSV | 表格数据 | 高 | 慢 | 小型结构化数据 | | HDF5 | 分层数据集 | 低 | 中等 | 大规模复杂数据存储 |