numpy
File IO con numpy

Salvataggio e caricamento di array numpy usando file binari

x = np.random.random([100,100])
x.tofile('/path/to/dir/saved_binary.npy')
y = fromfile('/path/to/dir/saved_binary.npy')
z = y.reshape(100,100)
all(x==z)
# Output:
#     True

Caricamento di dati numerici da file di testo con struttura coerente

La funzione np.loadtxt può essere utilizzata per leggere file simili a csv:

# File:
#    # Col_1 Col_2
#    1, 1
#    2, 4
#    3, 9
np.loadtxt('/path/to/dir/csvlike.txt', delimiter=',', comments='#')
# Output:
# array([[ 1.,  1.],
#        [ 2.,  4.],
#        [ 3.,  9.]])

Lo stesso file può essere letto usando un'espressione regolare con np.fromregex :

np.fromregex('/path/to/dir/csvlike.txt', r'(\d+),\s(\d+)', np.int64)
# Output:
# array([[1, 1],
#        [2, 4],
#        [3, 9]])

Salvataggio dei dati come file ASCII in stile CSV

Analogico a np.loadtxt , np.savetxt può essere utilizzato per salvare i dati in un file ASCII

import numpy as np
x = np.random.random([100,100])
np.savetxt("filename.txt", x)

Per controllare la formattazione:

np.savetxt("filename.txt", x, delimiter=", " , 
    newline="\n", comments="$ ", fmt="%1.2f",
    header="commented example text")

Produzione:

$ commented example text
0.30, 0.61, 0.34, 0.13, 0.52, 0.62, 0.35, 0.87, 0.48, [...]

Leggere i file CSV

Tre funzioni principali disponibili (descrizione dalle pagine man):

fromfile - Un modo molto efficace di leggere i dati binari con un tipo di dati noto, nonché di analizzare semplicemente file di testo formattati. I dati scritti usando il metodo tofile possono essere letti usando questa funzione.

genfromtxt - Carica i dati da un file di testo, con valori mancanti gestiti come specificato. Ogni riga oltre le prime righe di skip_header viene divisa sul carattere delimitatore e i caratteri che seguono il carattere dei commenti vengono scartati.

loadtxt : carica i dati da un file di testo. Ogni riga nel file di testo deve avere lo stesso numero di valori.

genfromtxt è una funzione wrapper per loadtxt . genfromtxt è il più diretto da usare in quanto ha molti parametri per gestire il file di input.

Numero coerente di colonne, tipo di dati coerente (numerico o stringa):

Dato un file di input, myfile.csv con i contenuti:

#descriptive text line to skip
1.0, 2, 3
4, 5.5, 6

import numpy as np
np.genfromtxt('path/to/myfile.csv',delimiter=',',skiprows=1)

dà una matrice:

array([[ 1. ,  2. ,  3. ],
       [ 4. ,  5.5,  6. ]])

Numero coerente di colonne, tipo di dati misti (tra colonne):

1   2.0000  buckle_my_shoe
3   4.0000  margery_door

import numpy as np
np.genfromtxt('filename', dtype= None)


array([(1, 2.0, 'buckle_my_shoe'), (3, 4.0, 'margery_door')], 
dtype=[('f0', '<i4'), ('f1', '<f8'), ('f2', '|S14')])

Notare che l'uso di dtype=None risultato un riepilogo.

Numero di colonne incoerente:

file: 1 2 3 4 5 6 7 8 9 10 11 22 13 14 15 16 17 18 19 20 21 22 23 24

Nell'array a riga singola:

result=np.fromfile(path_to_file,dtype=float,sep="\t",count=-1)