numpy.fromfile#

numpy.fromfile(file, dtype=float, count=-1, sep='', offset=0, *, like=None)#

从文本或二进制文件中的数据构造数组.

一种读取具有已知数据类型的二进制数据以及解析简单格式化文本文件的高效方法.可以使用 tofile 方法写入的数据可以使用此函数读取.

参数:
filefile or str or Path

打开的文件对象或文件名.

dtypedata-type

返回数组的数据类型.对于二进制文件,它用于确定文件中项目的大小和字节顺序.支持大多数内置数字类型,并且可能支持扩展类型.

计数int

要读取的项目数. -1 表示所有项目(即,完整的文件).

sepstr

如果文件是文本文件,则项目之间的分隔符.空(“”)分隔符表示该文件应被视为二进制文件.分隔符中的空格(” “)匹配零个或多个空白字符.仅由空格组成的分隔符必须至少匹配一个空格.

offsetint

文件当前位置的偏移量(以字节为单位).默认为 0.仅允许用于二进制文件.

likearray_like, optional

参考对象以允许创建非NumPy数组的数组. 如果作为 like 传入的类数组支持 __array_function__ 协议,则结果将由它定义. 在这种情况下,它可以确保创建与通过此参数传入的数组对象兼容的数组对象.

在 1.20.0 版本加入.

参见

load , save
ndarray.tofile
loadtxt

从文本文件加载数据的更灵活的方式.

注释

不要依赖 tofile 和 fromfile 的组合进行数据存储,因为生成的二进制文件不是平台独立的.特别是,不保存字节顺序或数据类型信息.可以使用 save 和 load 代替,将数据存储在平台独立的 .npy 格式中.

示例

构建一个 ndarray:

>>> import numpy as np
>>> dt = np.dtype([('time', [('min', np.int64), ('sec', np.int64)]),
...                ('temp', float)])
>>> x = np.zeros((1,), dtype=dt)
>>> x['time']['min'] = 10; x['temp'] = 98.25
>>> x
array([((10, 0), 98.25)],
      dtype=[('time', [('min', '<i8'), ('sec', '<i8')]), ('temp', '<f8')])

将原始数据保存到磁盘:

>>> import tempfile
>>> fname = tempfile.mkstemp()[1]
>>> x.tofile(fname)

从磁盘读取原始数据:

>>> np.fromfile(fname, dtype=dt)
array([((10, 0), 98.25)],
      dtype=[('time', [('min', '<i8'), ('sec', '<i8')]), ('temp', '<f8')])

推荐的存储和加载数据的方式:

>>> np.save(fname, x)
>>> np.load(fname + '.npy')
array([((10, 0), 98.25)],
      dtype=[('time', [('min', '<i8'), ('sec', '<i8')]), ('temp', '<f8')])
当前页面