numpy.fromfile#

numpy.fromfile(file, dtype=float, count=-1, sep='', offset=0, *, like=None)#

从文本或二进制文件中的数据构造数组。

一种高效读取具有已知数据类型的二进制数据以及解析简单格式化文本文件的方法。使用 tofile 方法写入的数据可以使用此函数读取。

参数:

file文件对象、字符串或 Path 对象: 已打开的文件对象或文件名。
dtype数据类型: 返回数组的数据类型。对于二进制文件，它用于确定文件中项目的大小和字节顺序。支持大多数内置数值类型，也可能支持扩展类型。
count整数: 要读取的项目数。-1 表示所有项目（即，整个文件）。
sep字符串: 如果文件是文本文件，则为项目之间的分隔符。空字符串（""）分隔符表示文件应被视为二进制文件。分隔符中的空格（" "）匹配零个或多个空白字符。仅包含空格的分隔符必须至少匹配一个空白字符。
offset整数: 从文件当前位置开始的偏移量（以字节为单位）。默认为 0。仅允许用于二进制文件。
like类数组对象，可选: 参考对象，允许创建非 NumPy 数组的数组。如果作为 like 传入的类数组对象支持 __array_function__ 协议，则结果将由它定义。在这种情况下，它确保创建与通过此参数传入的对象兼容的数组对象。

1.20.0 版本新增。

另请参阅

load, save
ndarray.tofile
loadtxt: 从文本文件加载数据的更灵活方式。

备注

请勿依赖 tofile 和 fromfile 的组合进行数据存储，因为生成的二进制文件不具备平台独立性。特别是，不会保存字节顺序或数据类型信息。数据可以改用 save 和 load 以平台独立的 .npy 格式存储。

示例

构造一个 ndarray

>>> import numpy as np
>>> dt = np.dtype([('time', [('min', np.int64), ('sec', np.int64)]),
...                ('temp', float)])
>>> x = np.zeros((1,), dtype=dt)
>>> x['time']['min'] = 10; x['temp'] = 98.25
>>> x
array([((10, 0), 98.25)],
      dtype=[('time', [('min', '<i8'), ('sec', '<i8')]), ('temp', '<f8')])

将原始数据保存到磁盘

>>> import tempfile
>>> fname = tempfile.mkstemp()[1]
>>> x.tofile(fname)

从磁盘读取原始数据

>>> np.fromfile(fname, dtype=dt)
array([((10, 0), 98.25)],
      dtype=[('time', [('min', '<i8'), ('sec', '<i8')]), ('temp', '<f8')])

存储和加载数据的推荐方式

>>> np.save(fname, x)
>>> np.load(fname + '.npy')
array([((10, 0), 98.25)],
      dtype=[('time', [('min', '<i8'), ('sec', '<i8')]), ('temp', '<f8')])