numpy文件读写的三对函数

在Python很多库中，使用文件名的地方都可以使用文件对象来替代。
在下述三种方法中，都是如此。

一、a.tofile()和np.fromfile()

numpy中的ndarray对象有一个函数tofile(文件名,sep=None)，如果指明sep参数，以文本形式打开文件；没有指明sep参数，以二进制形式打开文件。
这种方式的特点如下：

• 无格式
• 默认使用二进制，指明sep参数则以文本方式读写文件
• 不保留数组类型、形状信息
• 最节省空间
• 因为最简单，所以更便于交流
• 在读入文件时，需要指明dtype

import numpy as np
a=np.array([1,2,3]) 
a.tofile("haha.bin")#12B
print(a.nbytes)#输出12
b=np.fromfile("haha.bin",np.int)
print(np.all(b==a))#输出True
a.tofile("haha.txt",sep="$")#使用sep参数则以文本方式写入文件
c=np.fromfile("haha.txt",sep="$")
print(np.all(c==a))

二、np.save()和np.load()

• 这是有格式的输出，它能保留数组的类型和形状信息
• 只能输出一个数组，若要输出多个数组可以使用np.savez(文件名,数组1,数组2....)
• save()保存之后后缀名为npy，savez()保存之后后缀名npz
• 使用解压程序打开npz文件可以看到里面是若干个以“数组名称”命名的npy格式的文件，数组名称默认为“arr_数字”的形式，可以指明savez()参数名称来命名数组

import numpy as np
a=np.array([1,2,3])
b=a.copy()
c=a.copy()
np.save("haha",a)#只能保存一个数组，文件名自动加npy后缀
np.savez("haha",a,b,c=c)#只打包不压缩，文件名自动加npz后缀
np.savez_compressed("haha.compress",a,b,c=c)#先打包，再压缩，文件名自动加npz后缀
x=np.load("haha.npy")#得到ndarray对象
y=np.load("haha.npz")#得到一个字典，dict对象
z=np.load("haha.compress.npz")#得到一个字典，dict对象
print(x)
for i in y:
    print(i,y[i])
print(z.keys())
print(y.items())

np.save()函数的参数为：np.save(file,arr,allow_pickle,对象aingshifix_imports)

• allow_pickle表示是否允许numpy使用pickle的方式来序列化对象，默认为True。
• fix_imports参数用于兼容版本问题，用于Python3的代码导出兼容Python2的pickle。

在Python中，在有些情形下不鼓励使用pickle，这处于以下两点考虑：

• 兼容性：不跨平台，因为pickle读入时一读入就是一个对象，这个对象所依赖的包在反序列化时不一定存在
• 安全性：pickle文件中可以植入代码，造成反序列化时很危险

三、np.loadtxt和np.savetxt：读写一维或者二维的文本文件

可以用这两个函数来读写字符串。

import numpy as np
a=np.array(["one",1,3])#如果数字、字符串混合，默认为字符串类型
print(a.dtype,type(a))

a=np.tile("only unicode is allowd".split(),(4,1))
np.savetxt("haha.txt",a,fmt="%s")#fmt默认为%.18e（也就是浮点数）
print(np.loadtxt("haha.txt",dtype=np.str))

loadtxt和savetxt可以方便地用来读写csv文件。下面看一个复杂点的例子，这个例子讲了savetxt和loadtxt的参数。

import numpy as np
import pickle
a = np.arange(12).reshape(4, 3)
np.savetxt(fname=open("haha.txt", "wb"),  # 使用文件名或者file对象都可以，但必须是二进制形式打开
           X=a,  # 准备写入的对象
           fmt="%s",  # 写入数据的格式，可以制定一个format数组，如["%s","%d"]
           delimiter=",",  # 分隔符
           newline="

",  # 换行符
           header=",".join("age sex height ".split()),  # 头部
           footer="this is the end",  # 底部
           comments="//")  # 注释，默认头部和底部都是被注释了的
b = np.loadtxt(fname="haha.txt",
               dtype=np.str,
               comments="//",
               delimiter=",",
               # 传入的是bytes类型的对象
               converters={0: lambda x: "age={}".format(x.decode("utf8")),
                           1: lambda x: "sex={}" .format(x.decode("utf8")),
                           2: lambda x: "height={}" .format(x.decode("utf8")),
                           },
               skiprows=2,  # 跳过前x行，这里的x就是需要跳过的行数
               usecols=[0, 1, 2],  # 需要读取哪几列
               unpack=False,  # 是否按照列进行解压
               ndmin=0)  # 返回的数组至少具有的维数（如果不足，会补维）
print(open("haha.txt").read())
print(b)
# 使用unpack
age, sex, height = np.loadtxt(
    fname="haha.txt", 
    dtype=np.int, 
    comments="//", 
    delimiter=",", 
    unpack=True#使用unpack参数直接把各列解压
    )
print(age)
print(height)

参考资料

官方文档
奋斗的珞珞