numpy
Bestand IO met numpy

Numerieke arrays opslaan en laden met behulp van binaire bestanden

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

Numerieke gegevens laden uit tekstbestanden met consistente structuur

De functie np.loadtxt kan worden gebruikt om csv-achtige bestanden te lezen:

# 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.]])

Hetzelfde bestand kan worden gelezen met een reguliere expressie met np.fromregex :

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

Gegevens opslaan als CSV-stijl ASCII-bestand

Analoog aan np.loadtxt , kan np.savetxt worden gebruikt om gegevens in een ASCII-bestand op te slaan

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

Opmaak beheren:

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

Output:

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

CSV-bestanden lezen

Drie hoofdfuncties beschikbaar (beschrijving van man-pagina's):

fromfile - Een zeer efficiënte manier om binaire gegevens met een bekend gegevenstype te lezen en eenvoudig opgemaakte tekstbestanden te parseren. Gegevens die met de tofile-methode zijn geschreven, kunnen met deze functie worden gelezen.

genfromtxt - Laad gegevens uit een tekstbestand, waarbij ontbrekende waarden worden behandeld zoals gespecificeerd. Elke regel voorbij de eerste skip_header-regels wordt gesplitst bij het scheidingsteken en tekens na het commentaar worden genegeerd.

loadtxt - Laad gegevens uit een tekstbestand. Elke rij in het tekstbestand moet hetzelfde aantal waarden hebben.

genfromtxt is een wrapper-functie voor loadtxt . genfromtxt is het meest eenvoudig te gebruiken omdat het veel parameters heeft voor het omgaan met het invoerbestand.

Consistent aantal kolommen, consistent gegevenstype (numeriek of string):

Gegeven een invoerbestand, myfile.csv met de inhoud:

#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)

geeft een array:

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

Consistent aantal kolommen, gemengd gegevenstype (over kolommen):

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')])

Let op het gebruik van dtype=None resulteert in een herverdeling.

Inconsistent aantal kolommen:

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

In een rij met één rij:

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