python中numpy数组的csv文件写入与读取

0.摘要

本文主要介绍numpy库中，csv文件中数据的写入和读取方式。

1.文件写入与读取

写入：

import numpy as np
 
a = np.arange(0,10000).reshape(100,100)
np.savetxt("temp.csv", a, delimiter=",")

读取：

b = np.loadtxt("temp.csv", delimiter=",")
print(b)                   #打印b数组
print(max(b.reshape(-1)))  #打印b数组中的最大值
print(min(b.reshape(-1)))  #打印b数组中的最小值

注意：写入和读取的delimiter参数要保持一致，否则无法正常读取。

2.函数详解-savetxt

savetxt(fname, X, fmt='%.18e', delimiter=' ', newline='\n', header='', footer='', comments='# ', encoding=None)

功能：用于将array类型保存到文本文件中。

参数：

• fname : 文件名或者文件句柄。如果文件名以".gz"结尾，则该文件会被自动以gzip形式压缩。当然，"loadtxt"也可以解析被压缩的文件。
• X : 一维或者二维数组。需要写入文本文件的数据。
• fmt : str或者str序列，可选参数。单一格式(%10.5f)，序列格式或多重格式字符串，例如。“Iteration %d—%10.5f”，在这种情况下“delimiter”参数被忽略。对于复杂的“X”，“fmt”的合理选择如下:
  • a) a single specifier, `fmt='%.4e'`, resulting in numbers fORMatted like `' (%s+%sj)' % (fmt, fmt)`
  • b) a full string specifying every real and imaginary part, e.g.`' %.4e %+.4ej %.4e %+.4ej %.4e %+.4ej'` for 3 columns
  • c) a list of specifiers, one per column - in this case, the real and imaginary part must have separate specifiers, e.g. `['%.3e + %.3ej', '(%.15e%+.15ej)']` for 2 columns
• delimiter :str，可选参数。用于分隔列的字符串或者字符。
• newline :str，可选参数。用于分隔行的字符串或者字符。
• header : str，可选参数。将被添加到文件开头的字符串。
• footer : str，可选参数。将被添加到文件结尾的字符串。
• comments : str，可选参数。将作为前缀被添加到"header" 和 "footer"的字符串，用于将这部分标记为注释内容。默认是"#"。
•  encoding : {None, str}, 可选参数。用于对输出文件的编码。不适用与输出流。如果编码格式不是"bytes" 或者"latin1"，那么将无法正常load。

3.函数详解-loadtxt

loadtxt(fname, dtype=<class 'float'>, comments='#', delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0, encoding='bytes')

功能：从文件中load数据。注意：文件中的每一行数据的数量需要相同。

参数：

• fname：文件，str或者是pathlib.Path。
• dtype：返回的数据类型，默认float。
• comments：str，可选参数。注释说明。默认是"#"。
• delimiter：str，可选参数。数值的分隔符，默认是空格。
• skiprows：int，可选参数。跳过的行数，默认是0。
• usecols：int或者序列，可选参数。读取的列数，0为起点。例如，当usecols=（1,4,5），读取第2列，第5列和第6列。默认值是读取所有列。
• unpack：bool型，可选参数。若为为True，可以将数据进行拆分，例如x, y, z = loadtxt(...)。默认值是False。
• encoding : 用于对输入文件的解码。

到此这篇关于python中numpy数组的csv文件写入与读取的文章就介绍到这了,更多相关numpy csv写入与读取内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！