task 6 输入和输出
numpy二进制文件
两种类型
- npy格式：以二进制的方式存储文件，在二进制文件第一行以文本形式保存了数据的元信息（ndim，dtype，shape等），可以用二进制工具查看内容。保存一个数组。
- npz格式：以压缩打包的方式存储文件，可以用压缩软件解压。可以同时保存多个数组。
两个储存函数
-
numpy.save(file, arr, allow_pickle=True, fix_imports=True)Save an array to a binary file in NumPy.npyformat.eg.
numpy.save(".\test.npy", x) -
numpy.savez(file, *args, **kwds)Save several arrays into a single file in uncompressed.npzformat.eg.
numpy.savez(".\test.npz", x_name=x, y_name=y, z_name=z)
注：savez()第一个参数是文件名，其后的参数都是需要保存的数组，也可以使用关键字参数为数组起一个名字，非关键字参数传递的数组会自动起名为arr_0, arr_1, …。
savez()输出的是一个压缩文件（扩展名为npz），其中每个文件都是一个save()保存的npy文件，文件名对应于数组名。load()自动识别npz文件，并且返回一个类似于字典的对象，可以通过数组名作为关键字获取数组的内容。
一个导入函数
numpy.load(".\test.npy")ornumpy.load(".\test.npz")
文本文件
一个存储函数：savetxt()
两个导入函数：loadtxt()和genfromtxt()
上述函数用来存储和读取文本文件（如TXT，CSV等）。其中genfromtxt()比loadtxt()更加强大，可对缺失数据进行处理。
一个存储函数
numpy.savetxt(fname, X, fmt='%.18e', delimiter=' ', newline='\n', header='', footer='', comments='# ', encoding=None) Save an array to a text file.
- fname：文件路径
- X：存入文件的数组。
- fmt：写入文件中每个元素的字符串格式，默认’%.18e’（保留18位小数的浮点数形式）。
- delimiter：分割字符串，默认以空格分隔。
eg. numpy.savetxt('.\test.txt', x)
numpy.savetxt('.\test.csv', x, fmt='%.3f', delimiter=',')
两个导入函数
-
numpy.loadtxt(fname, dtype=float, comments='#', delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0, encoding='bytes', max_rows=None)Load data from a text file.- fname：文件路径。
- dtype：数据类型，默认为float。
- comments: 字符串或字符串组成的列表，默认为# ， 表示注释字符集开始的标志。
- skiprows：跳过多少行，一般跳过第一行表头。
- usecols：元组（元组内数据为列的数值索引）， 用来指定要读取数据的列（第一列为0）。
- unpack：当加载多列数据时是否需要将数据列进行解耦赋值给不同的变量。
eg.
numpy.loadtxt(".\test.txt")y = np.loadtxt('.\test.csv', delimiter=',') -
numpy.genfromtxt(fname, dtype=float, comments='#', delimiter=None, skip_header=0, skip_footer=0, converters=None, missing_values=None, filling_values=None, usecols=None, names=None, excludelist=None, deletechars='',join(sorted(NameValidator.defaultdeletechars)), replace_space='_', autostrip=False, case_sensitive=True, defaultfmt="f%i", unpack=None, usemask=False, loose=True, invalid_raise=True, max_rows=None, encoding='bytes')Load data from a text file, with missing values handled as specified.- names：设置为True时，程序将把第一行作为列名称。
eg.
numpy.genfromtxt(".\test.csv", delimiter=",", names=True)
文本格式选项
numpy.set_printoptions(precision=None,threshold=None, edgeitems=None,linewidth=None, suppress=None, nanstr=None, infstr=None,formatter=None, sign=None, floatmode=None, **kwarg)Set printing options.precision：设置浮点精度，控制输出的小数点个数，默认是8。threshold：概略显示，超过该值则以“…”的形式来表示，默认是1000。linewidth：用于确定每行多少字符数后插入换行符，默认为75。suppress：当suppress=True，表示小数不需要以科学计数法的形式输出，默认是False。nanstr：浮点非数字的字符串表示形式，默认nan。infstr：浮点无穷大的字符串表示形式，默认inf。
import numpy as np
np.set_printoptions(precision=4)
x = np.array([1.123456789])
print(x) # [1.1235]
np.set_printoptions(threshold=20)
x = np.arange(50)
print(x) # [ 0 1 2 ... 47 48 49]
np.set_printoptions(threshold=np.iinfo(np.int).max)
print(x)
# [ 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]
eps = np.finfo(float).eps
x = np.arange(4.)
x = x ** 2 - (x + eps) ** 2
print(x)
# [-4.9304e-32 -4.4409e-16 0.0000e+00 0.0000e+00]
np.set_printoptions(suppress=True)
print(x) # [-0. -0. 0. 0.]
x = np.linspace(0, 10, 10)
print(x)
# [ 0. 1.1111 2.2222 3.3333 4.4444 5.5556 6.6667 7.7778 8.8889
# 10. ]
np.set_printoptions(precision=2, suppress=True, threshold=5)
print(x) # [ 0. 1.11 2.22 ... 7.78 8.89 10. ]
numpy.get_printoptions()Return the current print options.
import numpy as np
x = np.get_printoptions()
print(x)
# {
# 'edgeitems': 3,
# 'threshold': 1000,
# 'floatmode': 'maxprec',
# 'precision': 8,
# 'suppress': False,
# 'linewidth': 75,
# 'nanstr': 'nan',
# 'infstr': 'inf',
# 'sign': '-',
# 'formatter': None,
# 'legacy': False
# }