Numpy库基础___四
Numpy数据存取
•数据的csv文件的存取
- 只能有效存取和读取一维和二维数据
a = np.arange(100).reshape(5,20)
#用delimiter分割,默认为空格
np.savetxt('a.csv',a,fmt='%d',delimiter=',')
#unpack=True 读入属性将写入不同变量,默认unpack=False
b = np.loadtxt('a.csv',dtype=np.int,delimiter=',',unpack=False)
print(b)
#[[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19]
# [20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39]
# [40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59]
# [60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79]
# [80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99]]•多维数据的存取
- 存取和读取多维数据
#数据写入文件
#sep数据分隔符,默认空格 format写入数据的格式
a.tofile("b.dat",sep=',',format='%d')
#count读入元素个数 -1代表整个文件
b = np.fromfile("b.dat",dtype=float,count=-1,sep=',')
print(b)
#[ 0. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17.
# 18. 19. 20. 21. 22. 23. 24. 25. 26. 27. 28. 29. 30. 31. 32. 33. 34. 35.
# 36. 37. 38. 39. 40. 41. 42. 43. 44. 45. 46. 47. 48. 49. 50. 51. 52. 53.
# 54. 55. 56. 57. 58. 59. 60. 61. 62. 63. 64. 65. 66. 67. 68. 69. 70. 71.
# 72. 73. 74. 75. 76. 77. 78. 79. 80. 81. 82. 83. 84. 85. 86. 87. 88. 89.
# 90. 91. 92. 93. 94. 95. 96. 97. 98. 99.]
- 只能有效存取和读取一维和二维数据
a = np.arange(100).reshape(5,20)
#以.npy为扩展名
np.save('a.npy',a)
b = np.load('a.npy')
print(b)
#[[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19]
# [20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39]
# [40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59]
# [60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79]
# [80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99]] #以.npz为扩展名 压缩
np.savez('a.npz',a)
b = np.load('a.npz')
#.npz结尾的数据集是压缩文件
#使用.files 命令进行查看文件内部
print(b.files)
#['arr_0']
print(b['arr_0'])
#[[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19]
# [20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39]
# [40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59]
# [60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79]
# [80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99]]
Numpy库基础___四的更多相关文章
- Numpy库基础___五
Numpy数据存取 •NumPy的随机数函数 a = np.random.rand(1,2,3) print(a) #[[[0.03339719 0.72784732 0.47527802] # [0 ...
- Numpy库基础___一
ndarray一个强大的N维数组对象Array •ndarray的建立(元素默认浮点数) 可以利用list列表建立ndarray import numpy as np list =[0,1,2,3] ...
- Numpy库基础___三
ndarray一个强大的N维数组对象Array •ndarray的操作 索引 a = np.arange(24).reshape((2,3,4)) print(a) #[[[ 0 1 2 3] # [ ...
- Numpy库基础___二
ndarray一个强大的N维数组对象Array •ndarray的变换 x.reshape(shape)重塑数组的shape,要求元素的个数一致,不改变原数组 x = np.ones((2,3,4), ...
- Python数据分析Numpy库方法简介(四)
Numpy的相关概念2 副本和视图 副本:复制 三种情况属于浅copy 赋值运算 切片 视图:链接,操作数组是,返回的不是副本就是视图 c =a.view().创建a的视图/影子和切片一样都是浅cop ...
- Numpy库的学习(四)
我们今天继续学习一下Numpy库 接着前面几次讲的,Numpy中还有一些标准运算 a = np.arange(3) print(a) print(np.exp(a)) print(np.sqrt(a) ...
- $python数据分析基础——初识numpy库
numpy库是python的一个著名的科学计算库,本文是一个quickstart. 引入:计算BMI BMI = 体重(kg)/身高(m)^2 假如有如下几组体重和身高数据,让求每组数据的BMI值: ...
- Python基础——numpy库的使用
1.numpy库简介: NumPy提供了许多高级的数值编程工具,如:矩阵数据类型.矢量处理,以及精密的运算库.专为进行严格的数字处理而产生. 2.numpy库使用: 注:由于深度学习中存在大量的 ...
- 初识NumPy库-基本操作
ndarray(N-dimensional array)对象是整个numpy库的基础. 它有以下特点: 同质:数组元素的类型和大小相同 定量:数组元素数量是确定的 一.创建简单的数组: np.arra ...
随机推荐
- Hadoop文件操作常用命令
1.创建目录 #hdfs dfs -mkidr /test 2.查询目录结构 #hdfs dfs -ls / 子命令 -R递归查看//查看具体的某个目录:例如#hdfs dfs -ls /test 3 ...
- 介绍回流与重绘(Reflow & Repaint),以及如何进行优化?
前言 回流与重绘对于前端来说可以说是非常重要的知识点了,我们不仅需要知道什么是回流与重绘,还需要知道如何进行优化.一个页面从加载到完成,首先是构建DOM树,然后根据DOM节点的几何属性形成render ...
- Dubbo扩展点应用之二负载均衡
负载均衡其本质就是将请求分摊到多个操作单元上进行,从而共同完成工作任务.其策略主要用于客户端春常在多个提供者时根据算法选择某个提供者.在集群负载均衡时,Dubbo提供了多种均衡策略(包括随机.轮询.最 ...
- 详解Spring DI循环依赖实现机制
一个对象引用另一个对象递归注入属性即可实现后续的实例化,同时如果两个或者两个以上的 Bean 互相持有对⽅,最终形成闭环即所谓的循环依赖怎么实现呢属性的互相注入呢? Spring bean生命周期具体 ...
- Android SugarORM(3)
Android Sugar ORM (3) Android Sugar ORM 查询 我们在此之前介绍了一些关于Sugar ORM的简单操作, 现在我们就查询来具体说一下 Sugar ORM中的fin ...
- 数据分析实际案例之:pandas在餐厅评分数据中的使用
目录 简介 餐厅评分数据简介 分析评分数据 简介 为了更好的熟练掌握pandas在实际数据分析中的应用,今天我们再介绍一下怎么使用pandas做美国餐厅评分数据的分析. 餐厅评分数据简介 数据的来源是 ...
- RFC2889MAC地址学习速率——网络测试仪实操
一.简介 RFC 2889为LAN交换设备的基准测试提供了方法学,它将RFC 2544中为网络互联设备基准测试所定义的方法学扩展到了交换设备,提供了交换机转发性能(Forwarding Perform ...
- 同事会建模,会数据分析,会可视化图表,而你只会用EXCEL?
小李是一家外企的数据分析师,平时处理的都是亿万行级别数据量的报表,为了可以胜任这份工作,小李早早地就学会了各种大数据工具,而且做出来的数据模型高度自动化,效率极高,为公司创造了非常大的价值.因为小李 ...
- ORACLE 12c RAC日常维护命令
转至:https://blog.51cto.com/ixdba/901545 CRS提供了很多命令可以管理和查看集群服务状态,常用的有crs_stat.crs_start.crs_stop.crsct ...
- 快速构建 React 开发环境
使用 create-react-app 快速构建 React 开发环境 create-react-app 是来自于 Facebook,通过该命令我们无需配置就能快速构建 React 开发环境. cre ...