Python 存取npy格式数据实例

当我们在Python中进行科学计算或机器学习时，常用的存储文件格式一般有csv、JSON、npy/npz等。在本篇攻略中，我们将详细讲解如何使用Python存储和读取numpy的二进制数据文件npy格式。

什么是.npy文件格式

Npy文件是numpy的二进制格式文件，其中存储了numpy的多维数组或矩阵。与文本文件如csv不同，npy文件能够以二进制形式存储数据，因此具有更快的读写速度和更小的文件大小。

存储npy格式文件

方法1：使用numpy库的save和savez函数

numpy库提供了两个函数，分别是save()和savez()，用于存储numpy数组为npy文件。save()函数用于存储单个数组，而savez()函数用于存储多个数组，这些数组在文件中被压缩到一个文件中。

这里我们以存储一维数组为例，首先我们需要导入numpy库：

import numpy as np

然后，创建一个数组：

arr = np.arange(10)

接着，使用save()方法可以将该数组存储为npy文件，代码如下：

np.save("arr.npy", arr)

这里的"arr.npy"代表要存储的文件路径和文件名，我们也可以更改为其他的文件名。然后在运行该代码后，我们可以在当前目录下看到一个名为“arr.npy”的文件，存储了我们的数据。

压缩多个数组到一个.npy文件中同样很简单，只需要使用savez()方法即可，示例如下：

arr1 = np.arange(5)
arr2 = np.arange(10, 15)
np.savez("arrs.npz", arr1=arr1, arr2=arr2)

这里的"arrs.npz"表示要存储到的文件路径和文件名，我们可以将其中的多个数组通过关键字参数的形式传入。

方法2：使用pickle库

pickle库和numpy库类似，也可以用于存储numpy数组为二进制文件或文本文件。与numpy库的不同之处是，pickle库可以存储任何Python对象，而numpy库只能存储numpy数组。

使用pickle库存储numpy数组非常简单，我们可以通过下面的代码存储一维数组：

import pickle

arr = np.arange(10)
with open("arr.pkl", "wb") as f:
    pickle.dump(arr, f)

这里的"arr.pkl"表示要存储的文件路径和文件名，文件打开方式“wb”代表二进制写入方式。我们将数组和文件作为参数传递给pickle.dump()函数即可。

读取npy格式文件

使用numpy库可以方便地从npy文件中读取numpy数组，我们可以使用load()函数读取单个npy文件，用load()函数或load()函数汇总来读取.npy文件中压缩的多个数组。示例如下：

# 读取单个npy文件
arr = np.load("arr.npy")
print(arr)

# 读取多个数组所在的npz文件
arrs = np.load("arrs.npz")
print(arrs["arr1"])
print(arrs["arr2"])

这里的“arr”和“arrs”分别是导入的npy或npz文件中的数组，我们可以通过下标或关键字进行取值。

示例说明

示例1：存储并读取一维数组

import numpy as np

# 存储一维数组
arr = np.arange(10)
np.save("arr.npy", arr)

# 读取一维数组
arr_loaded = np.load("arr.npy")
print(arr_loaded)

输出：

[0 1 2 3 4 5 6 7 8 9]

示例2：存储并读取多个数组

import numpy as np

# 存储多个数组
arr1 = np.arange(5)
arr2 = np.arange(10, 15)
np.savez("arrs.npz", arr1=arr1, arr2=arr2)

# 读取多个数组
arrs_loaded = np.load("arrs.npz")
print(arrs_loaded["arr1"])
print(arrs_loaded["arr2"])

输出：

[0 1 2 3 4]
[10 11 12 13 14]

以上就是Python存取npy格式数据的实例攻略，希望对你有所帮助。