Python语言入门：Numpy数据存取与函数-职坐标

Python语言入门：Numpy数据存取与函数

小标 2018-06-13 来源：阅读 896 评论 0

摘要：本文主要向大家介绍了Python语言入门的Numpy数据存取与函数，通过具体的内容向大家展现，希望对大家学习Python语言入门有所帮助。

本文主要向大家介绍了Python语言入门的Numpy数据存取与函数，通过具体的内容向大家展现，希望对大家学习Python语言入门有所帮助。

Numpy数据存取与函数

CSV文件：

CSV (Comma‐Separated Value, 逗号分隔值)，CSV是一种常见的文件格式，用来存储批量数据。

np.savetxt(frame, array, fmt='%.18e', delimiter=None)

参数说明：frame : 文件、字符串或产生器，可以是.gz或.bz2的压缩文件；array : 存入文件的数组；fmt : 写入文件的格式，例如：%d %.2f %.18e；delimiter : 分割字符串，默认是任何空格。

np.loadtxt(frame, dtype=np.float, delimiter=None，unpack=False)

参数说明：frame : 文件、字符串或产生器，可以是.gz或.bz2的压缩文件；dtype : 数据类型，可选；delimiter : 分割字符串，默认是任何空格；unpack : 如果True，读入属性将分别写入不同变量。

CSV文件的局限性：CSV只能有效存储一维和二维数组，np.savetxt() np.loadtxt()只能有效存取一维和二维数组。

多维数据的存取：

a.tofile(frame, sep='', format='%s')

参数说明：frame : 文件、字符串；sep : 数据分割字符串，如果是空串，写入文件为二进制；format : 写入数据的格式。

np.fromfile(frame, dtype=float, count=‐1, sep='')

参数说明：frame : 文件、字符串；dtype : 读取的数据类型；count : 读入元素个数，‐1表示读入整个文件；sep : 数据分割字符串，如果是空串，读入的文件为二进制。

需要注意：该方法需要读取时知道存入文件时数组的维度和元素类型，a.tofile()和np.fromfile()需要配合使用，可以通过元数据文件来存储额外信息。

Numpy的便捷文件存取：

np.save(fname, array) 或np.savez(fname, array)

参数说明：fname: 文件名，以.npy为扩展名，压缩扩展名为.npz；array : 数组变量。

np.load(fname)

参数说明：fname: 文件名，以.npy为扩展名，压缩扩展名为.npz。

程序实例：

[python] view plain copy
1. # -*- coding: utf-8 -*-  
2.   
3. import numpy as np  
4. import os  
5.   
6. # 设置路径为当前路径  
7. path = os.path.dirname(__file__);  
8. os.chdir(path);  
9.   
10.   
11.   
12. data = np.arange(100).reshape(10, 10);  
13.   
14. # 保存csv文件  
15. np.savetxt('a.csv', data, fmt='%d', delimiter=',');  
16.   
17. # 读取csv文件，不指定数据类型（默认为float）  
18. a = np.loadtxt('a.csv', delimiter=',');  
19. # 读取csv文件，指定数据类型  
20. b = np.loadtxt('a.csv', dtype=np.int, delimiter=',');  
21.   
22.   
23.   
24. # csv只能保持二维数组，任意维度数据的存取使用tofile和fromfile  
25. # sep指定分隔符，若不指定，则文件为二进制文件  
26. data1 = np.arange(100).reshape(5, 10, 2);  
27. data1.tofile("b.dat", sep=",", format="%d");  
28.   
29. # fromfile方法读取文件，需要读取时知道存入文件时数组的维度和元素类型  
30. # a.tofile()和np.fromfile()需要配合使用可以通过元数据文件来存储额外信息  
31. c = np.fromfile("b.dat", sep=",", dtype=np.int).reshape(5,10,2);  
32.   
33.   
34.   
35. # 以numpy的文件类型来存取数据，文件扩展名为.npy，压缩文件为.npz  
36. np.save("c.npy", data);  
37. d = np.load("c.npy");

Numpy的随机数函数：

numpy库中有一个random子库为数组类型提供随机数

Python语言入门：Numpy数据存取与函数

程序实例：

[python] view plain copy
1. # -*- coding: utf-8 -*-  
2.   
3. import numpy as np  
4.   
5. # numpy库中有一个random子库为数组类型提供随机数  
6.   
7. # rand() 生成给定数组大小的随机数组， 浮点数，[0,1)，均匀分布  
8. a = np.random.rand(3, 4, 5);  
9.   
10. # randn() 标准正态分布  
11. b = np.random.randn(3, 4, 5);  
12.   
13. # randint(low[,high,shape])  根据shape创建随机整数或整数数组，范围是[low, high)  
14. c = np.random.randint(100, 200, (3, 4));  
15. print(c);  
16.   
17. # seed(s)  随机数种子，s是给定的种子值  
18. # 两次设置相同的随机数种子  生成的随机数一样  
19. np.random.seed(10);  
20. test1 = np.random.randint(10, 20, (3,4));  
21. np.random.seed(10);  
22. test2 = np.random.randint(10, 20, (3,4));  
23.   
24. # shuffle(a) 根据数组a的第1轴进行随排列，改变数组x  
25. np.random.shuffle(c);  
26. print(c);  
27. # permutation(a) 根据数组a的第1轴产生一个新的乱序数组，不改变数组x  
28. d = np.random.randint(100, 200, (3, 4));  
29. print(d);  
30. np.random.permutation(d);  
31. print(d);  
32. # 从一维数组a中以概率p抽取元素，形成size形状新数组replace表示是否可以重用元素，默认为True  
33. e = np.random.randint(100, 200, (8,));  
34. print(e);  
35. f = np.random.choice(e, (3, 2));

Numpy的统计函数：

NumPy直接提供的统计类函数

Python语言入门：Numpy数据存取与函数

程序实例：

[python] view plain copy
1. # -*- coding: utf-8 -*-  
2.   
3. import numpy as np  
4.   
5. a = np.arange(15).reshape(3, 5);  
6.   
7. # 默认情况下axis = none，求的是所有值的总和  
8. total = np.sum(a);  
9. # axis = 0 每列求总和  
10. total1 = np.sum(a, axis = 0);  
11. # axis = 1 每行求总和  
12. total2 = np.sum(a, axis = 1);  
13.   
14.   
15. # 其他有axis选项的函数类似  
16.   
17.   
18. mean = np.mean(a);  
19. mean1 = np.mean(a, axis = 0);  
20.   
21. # 根据给定轴axis计算数组a相关元素的加权平均值  
22. # 求每列的加权平均，例如第三列：2*10+7*5+1*12/(10+5+1)=4.1875  
23. avg = np.average(a, axis = 0, weights=[10, 5, 1]);  
24.   
25.   
26. # 标准差 std  
27. std = np.std(a);  
28. # 方差 yar  
29. var = np.var(a);  
30.   
31.   
32. b = np.arange(15, 0, -1).reshape(3, 5);  
33.   
34. maxb = np.max(b);  
35. # 扁平化后的下标  
36. min_index = np.argmin(b);  
37. # 重塑成多维下标  
38. remin_index = np.unravel_index(np.argmin(b), b.shape);  
39.   
40. # 最大值与最小值差  
41. cha = np.ptp(b);  
42. # 中值  
43. media = np.median(b);

Numpy的梯度函数：

Python语言入门：Numpy数据存取与函数