Python学习（七）数组读写和保存

参考资料：

https://github.com/lijin-THU/notes-python（相应实体书为：《自学Python——编程基础、科学计算及数据分析》）

1. 数组读写（注意bytes与str数据类型的相互转换）

（1）空格（制表符）分割的文本

import numpy as np
#生成目标文本
%%writefile myfile.txt
2.1 2.3 3.2 1.3 3.1
6.1 3.1 4.2 2.3 1.8
#常规读取方式（繁琐）
data = []
with open('myfile.txt') as f:
    # 每次读一行
    for line in f:
        fileds = line.split()
        row_data = [float(x) for x in fileds]
        data.append(row_data)

data = np.array(data)
#使用loadtxt方法（简便）
data = np.loadtxt('myfile.txt')

（2）逗号分割文件（通常为.csv格式）

%%writefile myfile.txt
2.1, 2.3, 3.2, 1.3, 3.1
6.1, 3.1, 4.2, 2.3, 1.8
#常规方法，仅需将上述繁琐过程中的split的参数变为','即可
data = np.loadtxt('myfile.txt', delimiter=',')　　#指定分隔符参数

（3）loadtxt函数

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

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

%%writefile myfile.txt
X Y Z MAG ANG
2.1 2.3 3.2 1.3 3.1
6.1 3.1 4.2 2.3 1.8

np.loadtxt('myfile.txt', skiprows=1)　　#忽略第一行

注：genfromtxt函数功能更加全面，但是处理速度和效率会慢一点

%%writefile myfile.txt　　#写文件
 -- 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

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
                 )

（4）自定义转换方法

%%writefile myfile.txt
2010-01-01 2.3 3.2
2011-01-01 6.1 3.1

import datetime

def date_converter(s):　　#自定义的转换方法
    return datetime.datetime.strptime(s.decode('ascii'), "%Y-%m-%d")　　#保证输入参数为字符串

data = np.loadtxt('myfile.txt',
                  dtype=np.object, #数据类型为对象
                  converters={0:date_converter,  #第一列使用自定义转换方法
                              1:float,           #第二第三使用浮点数转换
                              2:float})

（5）读写各种格式的文件

（6）将数组写入文件

savetxt：将数组写入文件，默认使用科学计数法的形式保存

savetxt(fname, X, fmt='%.18e', delimiter=' ', newline=' ', header='', footer='', comments='# ')　　//格式fmt，分隔符delimiter

data = np.array([[1,2], 
                 [3,4]])

np.savetxt('out.txt', data)
with open('out.txt') as f:
    for line in f:
        print(line, end='')

data = np.array([[1,2], 
                 [3,4]])

np.savetxt('out.txt', data, fmt="%d") #保存为整数
np.savetxt('out.txt', data, fmt="%.2f", delimiter=',') #保存为2位小数的浮点数，用逗号分隔

data = np.array([[1+1j,2], 
                 [3,4]])　　#复数值，默认会加上括号

np.savetxt('out.txt', data, fmt="%.2f", delimiter=',') #保存为2位小数的浮点数，用逗号分隔

（7）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。

a = np.array([[1.0,2.0], [3.0,4.0]])
#单个数组读写
fname = 'afile.npy'
np.save(fname, a)
aa = np.load(fname)

二进制与文本大小比较：

import os
a = np.arange(10000.)

np.savetxt('a.txt', a)
os.stat('a.txt').st_size　　#查看文件大小

np.save('a.npy', a)
os.stat('a.npy').st_size

注：二进制文件较小

a = np.array([[1.0,2.0], 
              [3.0,4.0]])
b = np.arange(1000)
#保存多个数组
np.savez('data.npz', a=a, b=b)
!unzip -l data.npz　　#使用！执行系统命令unzip查看里面包含的文件

data = np.load('data.npz')　　#载入数据

data.keys()　　#载入后可以像字典一样进行操作
data['a']
data['b'].shape

# 要先删除 data，否则删除时会报错
15 del data
os.remove('data.npz')　　

PermissionError: [WinError 32] 另一个程序正在使用此文件，进程无法访问。: 'data.npz'

压缩文件

 #数据比较整齐时，压缩率较大
 1 a = np.arange(20000.)
np.savez('a.npz', a=a)　　#无压缩
os.stat('a.npz').st_size
np.savez_compressed('a2.npz', a=a)　　#有压缩
os.stat('a2.npz').st_size
 #数据比较混乱时，压缩率较小
a = np.random.rand(20000.)
np.savez('a.npz', a=a)　　#无压缩
os.stat('a.npz').st_size
np.savez_compressed('a2.npz', a=a)　　#有压缩
os.stat('a2.npz').st_size

2. 结构化数组

（1）可以使用 dtype 创造了自定义的结构类型，然后用自定义的结构来解释数组所占的内存

import numpy as np
a = np.array([1.0,2.0,3.0,4.0], np.float32)
a.view(np.complex64)　　#使用view方法，将a对应的内存按照复数来解释 
 4 my_dtype = np.dtype([('mass', 'float32'), ('vol', 'float32')])
 # 将第一个浮点数解释为质量，第二个浮点数解释为速度，这段内存还可以看成是包含两个域（质量和速度）的结构体
a.view(my_dtype)
my_data = np.array([(1,1), (1,2), (2,1), (1,3)], my_dtype)
my_data[0]　　#第一个元素
my_data[0]['vol']　　#第一个元素的速度域
my_data['mass']　　#所有元素的质量域
my_data.sort(order=('vol', 'mass'))　　#自定义排序规则，先速度，后质量
person_dtype = np.dtype([('name', 'S10'), ('age', 'int'), ('weight', 'float')])
 # 定义一个人的结构类型
people = np.empty((3,4), person_dtype)　　#产生3*4的空结构体数组
 # 根据属性域，分别赋值
people['name'] = [['Brad', 'Jane', 'John', 'Fred'],
                  ['Henry', 'George', 'Brain', 'Amy'],
                  ['Ron', 'Susan', 'Jennife', 'Jill']]
people['age'] = [[33, 25, 47, 54],
                 [29, 61, 32, 27],
                 [19, 33, 18, 54]]
people['weight'] = [[135., 105., 255., 140.],
                    [154., 202., 137., 187.],
                    [188., 135., 88., 145.]]
22 people[-1, -1]　　#值为：('Jill',54,145.0)

（2）从文本中读取结构化数组

%%writefile people.txt
name age weight
amy 11 38.2
john 10 40.3
bill 12 21.2
#定义类型
person_dtype = np.dtype([('name', 'S10'), ('age', 'int'), ('weight', 'float')])
people = np.loadtxt('people.txt', 
                    skiprows=1,
                    dtype=person_dtype)　　#指定类型
people['name']　　#查看name域

%%writefile wood.csv
item,material,number
100,oak,33
110,maple,14
120,oak,7
145,birch,3
19  　　
tree_to_int = dict(oak = 1,
                   maple=2,
                   birch=3)
#定义转换函数，使之对应于整数
def convert(s):
    return tree_to_int.get(s.decode('utf-8'), 0)　　#将bytes数据转换成string类型；如仅使用s，则将都转换成默认值0

data = np.genfromtxt('wood.csv',
                     delimiter=',', # 逗号分隔
                     dtype=np.int, # 数据类型
                     names=True,   # 从第一行读入域名作为属性名称
                     converters={1:convert}
                    )

data['material']　　#查看域

（3）嵌套类型

 #定义嵌套类型：位置（x,y）、质量
 1 particle_dtype = np.dtype([('position', [('x', 'float'), 
                                         ('y', 'float')]),
                           ('mass', 'float')
                          ])

%%writefile data.txt
2.0 3.0 42.0
2.1 4.3 32.5
1.2 4.6 32.3
4.5 -6.4 23.3

data = np.loadtxt('data.txt', dtype=particle_dtype)　　#读取数据
data['position']['x']　　#访问位置中嵌套的x轴数据

 3. 记录数组（record array）

import numpy as np
#定义质点类型
partical_dtype = np.dtype([('mass', 'float'), 
                           ('velocity', 'float')])

from numpy import rec　　#生成记录数组需要使用numpy.rec里的fromrecords
particals_rec = rec.fromrecords([(1,1), (1,2), (2,1), (1,3)], 
                                dtype = partical_dtype)

particals_rec.mass　　#通过属性访问域
particals_rec['mass']　　#直接查看域

注：记录数组的运行效率要比结构化数组要慢一些

#定义结构化数组
1 particals = np.array([(1,1), (1,2), (2,1), (1,3)],
                     dtype = partical_dtype)
#使用view方法将结构化数组看成记录数组
particals_rec = particals.view(np.recarray)
particals_rec.mass　　#访问域
particals_rec.velocity
particals.dtype.names　　#对于自定义类型particals.dtype，通过names属性查看有哪些域

4. 内存映射：内存映射文件与虚拟内存有些类似，通过内存映射文件可以保留一个地址空间的区域，同时将物理存储器提交给此区域；内存文件映射的物理存储器来自一个已经存在于磁盘上的文件，而且在对该文件进行操作之前必须首先对文件进行映射。

使用内存映射文件处理存储于磁盘上的文件时，将不必再对文件执行I/O操作（速度快），使得内存映射文件在处理大数据量的文件时能起到相当重要的作用。

主要函数有：

• memmap
• frombuffer
• ndarray constructor

其中，memmap(filename, dtype=uint8, mode='r+', offset=0, shape=None, order=0)

mode表示文件被打开的类型：

• r 只读
• c 复制+写，但是不改变源文件
• r+ 读写，使用 flush 方法会将更改的内容写入文件
• w+ 写，如果存在则将数据覆盖

offset表示从第几个位置开始