numpy
Plik IO z numpy

Zapisywanie i ładowanie tablic numpy za pomocą plików binarnych

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

Ładowanie danych liczbowych z plików tekstowych o spójnej strukturze

Funkcja np.loadtxt może być używana do odczytu plików podobnych do 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.]])

Ten sam plik można odczytać za pomocą wyrażenia regularnego z np.fromregex :

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

Zapisywanie danych jako plik ASCII w stylu CSV

Analogicznie do np.loadtxt , np.savetxt może być używany do zapisywania danych w pliku ASCII

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

Aby kontrolować formatowanie:

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

Wynik:

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

Odczytywanie plików CSV

Dostępne są trzy główne funkcje (opis ze stron podręcznika):

fromfile - wysoce wydajny sposób odczytu danych binarnych ze znanym typem danych, a także parsowania po prostu sformatowanych plików tekstowych. Dane zapisane przy użyciu metody tofile można odczytać za pomocą tej funkcji.

genfromtxt - genfromtxt dane z pliku tekstowego, a brakujące wartości są obsługiwane zgodnie z genfromtxt . Każda linia za pierwszymi liniami skip_header jest dzielona na znak ogranicznika, a znaki następujące po znaku komentarza są odrzucane.

loadtxt - Załaduj dane z pliku tekstowego. Każdy wiersz w pliku tekstowym musi mieć tę samą liczbę wartości.

genfromtxt to funkcja otoki dla loadtxt . genfromtxt jest najłatwiejszy w użyciu, ponieważ ma wiele parametrów do obsługi pliku wejściowego.

Spójna liczba kolumn, spójny typ danych (numeryczny lub ciąg znaków):

Biorąc pod uwagę plik wejściowy, myfile.csv z zawartością:

#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)

daje tablicę:

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

Spójna liczba kolumn, mieszany typ danych (między kolumnami):

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')])

Zauważ, że użycie parametru dtype=None powoduje ponowne utworzenie tablicy.

Niespójna liczba kolumn:

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

W tablicę jednorzędową:

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