• python 数据保存为npy和npz格式并读取


    目录

    python 数据保存为npy格式

    python 数据保存为npz格式


    python 数据保存为npy格式

    补充:

    • numpy.save("./文件名", 数组名):以二进制的格式保存数据,会将保存的多个数组以字典形式保存,每个数组都会默认给一个key,从“arr_0”开始。也可以在传入多个数组时用关键字自己指定其key值。
    • numpy.load("./文件名.npy"): 函数是从二进制的文件中读取数据。通过np.load()加载,之后可以通过obj.files来查看所有key值,类似于字典的dict.keys。并且我们也可以通过key值索引保存的数组。

    (1)随机生成一个数组,将数据保存为npy格式的文件中,

    1. # 保存数据:
    2. import numpy as np
    3. data_1 = np.zeros((3, 3))
    4. # 将 ndarray 类型的数据以字典的形式保存在扩展名为 npz 的数据文件中
    5. np.save("test.npy", data_1)

     执行代码之后,会出现生成的文件,

     (2)读取npy文件中的数据,

    1. # 加载数据
    2. datas = np.load("test.npy")
    3. print("----type----")
    4. print(type(datas))
    5. print("----shape----")
    6. print(datas.shape)
    7. print("----data----")
    8. print(datas)

      (3)完整代码:

    1. import numpy as np
    2. data_1 = np.zeros((3, 3))
    3. # 将 ndarray 类型的数据以字典的形式保存在扩展名为 npz 的数据文件中
    4. np.save("test.npy", data_1)
    5. # 加载数据
    6. datas = np.load("test.npy")
    7. print("----type----")
    8. print(type(datas))
    9. print("----shape----")
    10. print(datas.shape)
    11. print("----data----")
    12. print(datas)

    python 数据保存为npz格式

    补充:

    • numpy.savez(’./文件名’,数组名1,数组名2,…):可以将多个数组保存到一个文件中,会将保存的多个数组以字典形式保存,每个数组都会默认给一个key,从“arr_0”开始。也可以在传入多个数组时用关键字自己指定其key值。
    • numpy.load():通过np.load()加载之后可以使用obj.files来查看所有key值,类似于字典的dict.keys。并且我们也可以通过key值索引保存的数组。

    (1)随机生成一个数组,将数据保存为npz格式的文件中,

    1. # 保存数据:
    2. import numpy as np
    3. data_1 = np.zeros((3, 3))
    4. # 将 ndarray 类型的数据以字典的形式保存在扩展名为 npz 的数据文件中
    5. np.savez("test.npz", data_1)

     执行代码之后,会出现生成的文件,

     (2)读取npz文件中的数据,

    1. # 加载数据
    2. datas = np.load("test.npz")
    3. # 第一种方法:
    4. print(datas.files) # ['arr_0']
    5. print(datas['arr_0']) # np.zeros((3,3))
    6. # 或使用第二种方法:
    7. for key, arr in datas.items():
    8. print(key, ": ", arr)

     (3)完整代码:

    1. import numpy as np
    2. data_1 = np.zeros((3, 3))
    3. # 将 ndarray 类型的数据以字典的形式保存在扩展名为 npz 的数据文件中
    4. np.savez("test.npz", data_1)
    5. # 加载数据
    6. datas = np.load("test.npz")
    7. # 第一种方法:
    8. print(datas.files) # ['arr_0']
    9. print(datas['arr_0']) # np.zeros((3,3))
    10. # 或使用第二种方法:
    11. for key, arr in datas.items():
    12. print(key, ": ", arr)

     OK。

  • 相关阅读:
    MySQL访问和配置
    学了MVC,第一个项目该怎么做?(一)
    git笔记 - 常用记录
    【TcaplusDB知识库】TcaplusDB技术支持介绍
    提高代码效率的秘诀:偏移寻址在程序设计中的应用
    卷积神经网络的训练算法,卷积神经网络算法实现
    有blob列的表大小查询
    【Pinia】小菠萝详细使用说明
    数字IC手撕代码-XX公司笔试真题(脉冲密度调制)
    K8S:pod资源限制及探针
  • 原文地址:https://blog.csdn.net/qq_45956730/article/details/125537954