读取和写入文件#

本页介绍常见的应用程序;有关完整的 I/O 例程集合,请参见 输入和输出 .

读取文本和 CSV 文件#

无缺失值#

使用 numpy.loadtxt .

有缺失值#

使用 numpy.genfromtxt .

numpy.genfromtxt 将会

  • 返回一个 masked array ,将缺失值屏蔽掉 (如果 usemask=True ),或者

  • 用 filling_values 中指定的值填充缺失值 (对于浮点数,默认值为 np.nan ,对于整数,默认值为 -1).

使用非空格分隔符#

>>> with open("csv.txt", "r") as f:
...     print(f.read())
1, 2, 3
4,, 6
7, 8, 9
屏蔽数组输出#
>>> np.genfromtxt("csv.txt", delimiter=",", usemask=True)
masked_array(
  data=[[1.0, 2.0, 3.0],
        [4.0, --, 6.0],
        [7.0, 8.0, 9.0]],
  mask=[[False, False, False],
        [False,  True, False],
        [False, False, False]],
  fill_value=1e+20)
数组输出#
>>> np.genfromtxt("csv.txt", delimiter=",")
array([[ 1.,  2.,  3.],
       [ 4., nan,  6.],
       [ 7.,  8.,  9.]])
数组输出,指定填充值#
>>> np.genfromtxt("csv.txt", delimiter=",", dtype=np.int8, filling_values=99)
array([[ 1,  2,  3],
       [ 4, 99,  6],
       [ 7,  8,  9]], dtype=int8)

空格分隔#

如果满足以下条件, numpy.genfromtxt 也可以解析具有缺失值的空格分隔数据文件:

  • 每个字段都有固定的宽度:使用该宽度作为 delimiter 参数.:

    # File with width=4. The data does not have to be justified (for example,
# the 2 in row 1), the last column can be less than width (for example, the 6
# in row 2), and no delimiting character is required (for instance 8888 and 9
# in row 3)

>>> with open("fixedwidth.txt", "r") as f:
...    data = (f.read())
>>> print(data)
1   2      3
44      6
7   88889

# Showing spaces as ^
>>> print(data.replace(" ","^"))
1^^^2^^^^^^3
44^^^^^^6
7^^^88889

>>> np.genfromtxt("fixedwidth.txt", delimiter=4)
array([[1.000e+00, 2.000e+00, 3.000e+00],
       [4.400e+01,       nan, 6.000e+00],
       [7.000e+00, 8.888e+03, 9.000e+00]])

  • 一个特殊的值 (例如 “x”) 表示一个缺失的字段:将其用作 missing_values 参数.

    >>> with open("nan.txt", "r") as f:
...     print(f.read())
1 2 3
44 x 6
7  8888 9

    >>> np.genfromtxt("nan.txt", missing_values="x")
array([[1.000e+00, 2.000e+00, 3.000e+00],
       [4.400e+01,       nan, 6.000e+00],
       [7.000e+00, 8.888e+03, 9.000e+00]])

  • 你想要跳过包含缺失值的行:设置 invalid_raise=False .

    >>> with open("skip.txt", "r") as f:
...     print(f.read())
1 2   3
44    6
7 888 9

    >>> np.genfromtxt("skip.txt", invalid_raise=False)  
__main__:1: ConversionWarning: Some errors were detected !
    Line #2 (got 2 columns instead of 3)
array([[  1.,   2.,   3.],
       [  7., 888.,   9.]])

  • 分隔符空格字符与指示缺失数据的空格不同.例如,如果列由 \t 分隔,那么如果缺失数据由一个或多个空格组成,则可以识别它.:

    >>> with open("tabs.txt", "r") as f:
...    data = (f.read())
>>> print(data)
1       2       3
44              6
7       888     9

# Tabs vs. spaces
>>> print(data.replace("\t","^"))
1^2^3
44^ ^6
7^888^9

>>> np.genfromtxt("tabs.txt", delimiter="\t", missing_values=" +")
array([[  1.,   2.,   3.],
       [ 44.,  nan,   6.],
       [  7., 888.,   9.]])

读取 .npy 或 .npz 格式的文件#

选择:

写入文件以便 NumPy 读回#

二进制#

使用 numpy.save ,或者存储多个数组时使用 numpy.savez 或 numpy.savez_compressed .

对于 security and portability , 设置 allow_pickle=False ,除非 dtype 包含 Python 对象,这需要进行 pickle 序列化.

屏蔽数组 can't currently be saved , 也不能保存其他任意数组子类.

人类可读#

numpy.save 和 numpy.savez 创建二进制文件.要写入人类可读的文件,请使用 numpy.savetxt .数组只能是 1 维或 2 维的,并且没有用于多个文件的 savetxtz .

大型数组#

参考 写入或读取大型数组 .

读取任意格式的二进制文件 (“binary blob”)#

使用 structured array .

示例:

.wav 文件头是一个 44 字节的块,位于 data_size 字节的实际声音数据之前.:

chunk_id         "RIFF"
chunk_size       4-byte unsigned little-endian integer
format           "WAVE"
fmt_id           "fmt "
fmt_size         4-byte unsigned little-endian integer
audio_fmt        2-byte unsigned little-endian integer
num_channels     2-byte unsigned little-endian integer
sample_rate      4-byte unsigned little-endian integer
byte_rate        4-byte unsigned little-endian integer
block_align      2-byte unsigned little-endian integer
bits_per_sample  2-byte unsigned little-endian integer
data_id          "data"
data_size        4-byte unsigned little-endian integer

.wav 文件头作为 NumPy 结构化 dtype:

wav_header_dtype = np.dtype([
    ("chunk_id", (bytes, 4)), # flexible-sized scalar type, item size 4
    ("chunk_size", "<u4"),    # little-endian unsigned 32-bit integer
    ("format", "S4"),         # 4-byte string, alternate spelling of (bytes, 4)
    ("fmt_id", "S4"),
    ("fmt_size", "<u4"),
    ("audio_fmt", "<u2"),     #
    ("num_channels", "<u2"),  # .. more of the same ...
    ("sample_rate", "<u4"),   #
    ("byte_rate", "<u4"),
    ("block_align", "<u2"),
    ("bits_per_sample", "<u2"),
    ("data_id", "S4"),
    ("data_size", "<u4"),
    #
    # the sound data itself cannot be represented here:
    # it does not have a fixed size
])

header = np.fromfile(f, dtype=wave_header_dtype, count=1)[0]

这个 .wav 示例用于说明;要在实际生活中读取 .wav 文件,请使用 Python 的内置模块 wave .

(改编自 Pauli Virtanen, Advanced NumPy , 根据 CC BY 4.0 许可.)

写入或读取大型数组#

使用内存映射,可以像对待普通的内存数组一样处理无法容纳在内存中的大型数组.

  • 使用 numpy.ndarray.tofile 或 numpy.ndarray.tobytes 写入的原始数组数据可以使用 numpy.memmap 读取:

    array = numpy.memmap("mydata/myarray.arr", mode="r", dtype=np.int16, shape=(1024, 1024))

  • 通过 numpy.save 输出的文件(即使用 numpy 格式),可以使用带有 mmap_mode 关键字参数的 numpy.load 读取:

    large_array[some_slice] = np.load("path/to/small_array", mmap_mode="r")

内存映射缺少诸如数据分块和压缩之类的功能;与 NumPy 一起使用的更全面的格式和库包括:

有关 memmap,Zarr 和 HDF5 之间的权衡,请参见 pythonspeed.com .

写入文件以供其他(非 NumPy)工具读取#

与其他工具交换数据的格式包括 HDF5,Zarr 和 NetCDF(请参见 写入或读取大型数组 ).

写入或读取 JSON 文件#

NumPy 数组和大多数 NumPy 标量不是直接 JSON serializable 的.相反,请使用自定义的 json.JSONEncoder 用于 NumPy 类型,可以使用您喜欢的搜索引擎找到它.

使用 pickle 文件保存/恢复#

尽可能避免使用; pickles 对于错误的或恶意构造的数据是不安全的.

使用 numpy.save 和 numpy.load .设置 allow_pickle=False ,除非数组 dtype 包括 Python 对象,在这种情况下,需要进行 pickling.

numpy.load 和 pickle 子模块还支持 unpickling 使用 NumPy 1.26 创建的文件.

从 pandas DataFrame 转换为 NumPy 数组#

参见 pandas.Series.to_numpy .

使用 tofile 和 fromfile 保存/恢复#

通常,首选 numpy.save 和 numpy.load .

numpy.ndarray.tofile 和 numpy.fromfile 会丢失有关字节序和精度的信息,因此仅适用于临时存储.