读写文件#

本页介绍常见应用；有关 I/O 例程的完整集合，请参阅输入和输出。

读写文本和 CSV 文件#

无缺失值#

使用 numpy.loadtxt。

有缺失值#

使用 numpy.genfromtxt。

numpy.genfromtxt 将会

返回一个掩码数组，掩盖缺失值（如果 usemask=True），或者
用 filling_values 中指定的值填充缺失值（浮点数默认为 np.nan，整数默认为 -1）。

使用非空白分隔符#

>>> with open("csv.txt", "r") as f:
...     print(f.read())
1, 2, 3
4,, 6
7, 8, 9

掩码数组输出#

>>> np.genfromtxt("csv.txt", delimiter=",", usemask=True)
masked_array(
  data=[[1.0, 2.0, 3.0],
        [4.0, --, 6.0],
        [7.0, 8.0, 9.0]],
  mask=[[False, False, False],
        [False,  True, False],
        [False, False, False]],
  fill_value=1e+20)

数组输出#

>>> np.genfromtxt("csv.txt", delimiter=",")
array([[ 1.,  2.,  3.],
       [ 4., nan,  6.],
       [ 7.,  8.,  9.]])

数组输出，指定填充值#

>>> np.genfromtxt("csv.txt", delimiter=",", dtype=np.int8, filling_values=99)
array([[ 1,  2,  3],
       [ 4, 99,  6],
       [ 7,  8,  9]], dtype=int8)

空白分隔#

numpy.genfromtxt 也可以解析包含缺失值的空白分隔数据文件，如果

每个字段具有固定宽度：将宽度用作 delimiter 参数。

# File with width=4. The data does not have to be justified (for example,
# the 2 in row 1), the last column can be less than width (for example, the 6
# in row 2), and no delimiting character is required (for instance 8888 and 9
# in row 3)

>>> with open("fixedwidth.txt", "r") as f:
...    data = (f.read())
>>> print(data)
1   2      3
44      6
7   88889

# Showing spaces as ^
>>> print(data.replace(" ","^"))
1^^^2^^^^^^3
44^^^^^^6
7^^^88889

>>> np.genfromtxt("fixedwidth.txt", delimiter=4)
array([[1.000e+00, 2.000e+00, 3.000e+00],
       [4.400e+01,       nan, 6.000e+00],
       [7.000e+00, 8.888e+03, 9.000e+00]])

特殊值（例如“x”）表示缺失字段：将其用作 missing_values 参数。

>>> with open("nan.txt", "r") as f:
...     print(f.read())
1 2 3
44 x 6
7  8888 9

>>> np.genfromtxt("nan.txt", missing_values="x")
array([[1.000e+00, 2.000e+00, 3.000e+00],
       [4.400e+01,       nan, 6.000e+00],
       [7.000e+00, 8.888e+03, 9.000e+00]])

您想跳过包含缺失值的行：设置 invalid_raise=False。

>>> with open("skip.txt", "r") as f:
...     print(f.read())
1 2   3
44    6
7 888 9

>>> np.genfromtxt("skip.txt", invalid_raise=False)  
__main__:1: ConversionWarning: Some errors were detected !
    Line #2 (got 2 columns instead of 3)
array([[  1.,   2.,   3.],
       [  7., 888.,   9.]])

分隔符空白字符与表示缺失数据的空白字符不同。例如，如果列由 \t 分隔，则如果缺失数据包含一个或多个空格，则将被识别。

>>> with open("tabs.txt", "r") as f:
...    data = (f.read())
>>> print(data)
1       2       3
44              6
7       888     9

# Tabs vs. spaces
>>> print(data.replace("\t","^"))
1^2^3
44^ ^6
7^888^9

>>> np.genfromtxt("tabs.txt", delimiter="\t", missing_values=" +")
array([[  1.,   2.,   3.],
       [ 44.,  nan,   6.],
       [  7., 888.,   9.]])

读取 .npy 或 .npz 格式文件#

选择

使用 numpy.load。它可以读取由 numpy.save、numpy.savez 或 numpy.savez_compressed 生成的文件。
使用内存映射。参见 numpy.lib.format.open_memmap。

写入文件以便 NumPy 读取#

二进制#

使用 numpy.save，或要存储多个数组则使用 numpy.savez 或 numpy.savez_compressed。

为了安全性和可移植性，请设置 allow_pickle=False，除非 dtype 包含需要 pickle 的 Python 对象。

掩码数组目前无法保存，其他任意数组子类也无法保存。

人类可读#

numpy.save 和 numpy.savez 创建二进制文件。要写入人类可读的文件，请使用 numpy.savetxt。数组只能是 1 维或 2 维的，并且没有用于多个文件的 `savetxtz`。

大型数组#

参见读写大型数组。

读取任意格式的二进制文件（“二进制大对象”）#

使用结构化数组。

示例

此 .wav 文件头是一个 44 字节的块，位于实际声音数据的 data_size 字节之前

chunk_id         "RIFF"
chunk_size       4-byte unsigned little-endian integer
format           "WAVE"
fmt_id           "fmt "
fmt_size         4-byte unsigned little-endian integer
audio_fmt        2-byte unsigned little-endian integer
num_channels     2-byte unsigned little-endian integer
sample_rate      4-byte unsigned little-endian integer
byte_rate        4-byte unsigned little-endian integer
block_align      2-byte unsigned little-endian integer
bits_per_sample  2-byte unsigned little-endian integer
data_id          "data"
data_size        4-byte unsigned little-endian integer

作为 NumPy 结构化 dtype 的 .wav 文件头

wav_header_dtype = np.dtype([
    ("chunk_id", (bytes, 4)), # flexible-sized scalar type, item size 4
    ("chunk_size", "<u4"),    # little-endian unsigned 32-bit integer
    ("format", "S4"),         # 4-byte string, alternate spelling of (bytes, 4)
    ("fmt_id", "S4"),
    ("fmt_size", "<u4"),
    ("audio_fmt", "<u2"),     #
    ("num_channels", "<u2"),  # .. more of the same ...
    ("sample_rate", "<u4"),   #
    ("byte_rate", "<u4"),
    ("block_align", "<u2"),
    ("bits_per_sample", "<u2"),
    ("data_id", "S4"),
    ("data_size", "<u4"),
    #
    # the sound data itself cannot be represented here:
    # it does not have a fixed size
])

header = np.fromfile(f, dtype=wave_header_dtype, count=1)[0]

此 .wav 示例仅供说明；在实际中读取 .wav 文件，请使用 Python 的内置模块 wave。

（改编自 Pauli Virtanen，高级 NumPy，遵循 CC BY 4.0 许可。）

读写大型数组#

过大无法放入内存的数组可以通过内存映射像普通内存中数组一样处理。

使用 numpy.ndarray.tofile 或 numpy.ndarray.tobytes 写入的原始数组数据可以用 numpy.memmap 读取
```
array = numpy.memmap("mydata/myarray.arr", mode="r", dtype=np.int16, shape=(1024, 1024))
```
由 numpy.save 输出的文件（即使用 numpy 格式）可以使用带 mmap_mode 关键字参数的 numpy.load 读取
```
large_array[some_slice] = np.load("path/to/small_array", mmap_mode="r")
```

内存映射缺少数据分块和压缩等功能；与 NumPy 可用的更具完整功能的格式和库包括

HDF5：h5py 或 PyTables。
Zarr：这里。
NetCDF：scipy.io.netcdf_file。

有关 memmap、Zarr 和 HDF5 之间的权衡，请参阅 pythonspeed.com。

写入文件供其他（非 NumPy）工具读取#

与其他工具交换数据的格式包括 HDF5、Zarr 和 NetCDF（参见读写大型数组）。

读写 JSON 文件#

NumPy 数组和大多数 NumPy 标量不直接可 JSON 序列化。相反，请为 NumPy 类型使用自定义的 json.JSONEncoder，您可以使用您喜欢的搜索引擎找到它。

使用 pickle 文件保存/恢复#

尽可能避免；pickle 不足以抵御错误或恶意构造的数据。

使用 numpy.save 和 numpy.load。设置 allow_pickle=False，除非数组 dtype 包含 Python 对象，在这种情况下需要 pickle。

numpy.load 和 pickle 子模块也支持解压使用 NumPy 1.26 创建的文件。

将 pandas DataFrame 转换为 NumPy 数组#

参见 pandas.Series.to_numpy。

使用 `tofile` 和 `fromfile` 保存/恢复#

一般来说，优先使用 numpy.save 和 numpy.load。

numpy.ndarray.tofile 和 numpy.fromfile 会丢失字节序和精度信息，因此除了用作临时存储之外不适合任何其他用途。