将 numpy 数组存入文件，有多种文件类型可供选择，对应地就有不同的方法来读写。
下面我将介绍读写 numpy 的三类文件：
通过 numpy 读写 txt 或 csv 文件
import numpy as np a = np.array(range(20)).reshape((4, 5)) print(a) # 后缀改为 .txt 一样 filename = 'data/a.csv' # 写文件 np.savetxt(filename, a, fmt='%d', delimiter=',') # 读文件 b = np.loadtxt(filename, dtype=np.int32, delimiter=',') print(b)
缺点：
通过 numpy 读写 npy 或 npz 文件
读写 npy 文件
import numpy as np a = np.array(range(20)).reshape((2, 2, 5)) print(a) filename = 'data/a.npy' # 写文件 np.save(filename, a) # 读文件 b = np.load(filename) print(b) print(b.shape)
优点：
缺点：
读写 npz 文件
import numpy as np a = np.array(range(20)).reshape((2, 2, 5)) b = np.array(range(20, 44)).reshape(2, 3 ,4) print('a:\n', a) print('b:\n', b) filename = 'data/a.npz' # 写文件， 如果不指定key，那么默认key为'arr_0'、'arr_1'，一直排下去。 np.savez(filename, a, b=b) # 读文件 c = np.load(filename) print('keys of NpzFile c:\n', c.keys()) print("c['arr_0']:\n", c['arr_0']) print("c['b']:\n", c['b']) 优点：
缺点：
通过 h6py 读写 hdf5 文件
优点：
简单读取
import numpy as np import h6py a = np.array(range(20)).reshape((2, 2, 5)) b = np.array(range(20)).reshape((1, 4, 5)) print(a) print(b) filename = 'data/data.h6' # 写文件 h6f = h6py.File(filename, 'w') h6f.create_dataset('a', data=a) h6f.create_dataset('b', data=b) h6f.close() # 读文件 h6f = h6py.File(filename, 'r') print(type(h6f)) # 通过切片得到numpy数组 print(h6f['a'][:]) print(h6f['b'][:]) h6f.close() 通过切片赋值
import numpy as np import h6py a = np.array(range(20)).reshape((2, 2, 5)) print(a) filename = 'data/a.h6' # 写文件 h6f = h6py.File(filename, 'w') # 当数组a太大，需要切片进行操作时，可以不直接对h6f['a']进行初始化； # 当之后不需要改变h6f['a']的shape时，可以省略maxshape参数 h6f.create_dataset('a', shape=(2, 2, 5), maxshape=(None, 2, 5), dtype=np.int32, compression='gzip') for i in range(2): # 采用切片的形式赋值 h6f['a'][i] = a[i] h6f.close() # 读文件 h6f = h6py.File(filename, 'r') print(type(h6f)) print(h6f['a']) # 通过切片得到numpy数组 print(h6f['a'][:]) 同一个 hdf5 文件可以创建多个 dataset，读取的时候按照 key 来即可。
总结
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持亿速云。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
