保存和分享你的NumPy数组#

你将学到什么#

你将把NumPy数组保存为压缩文件和人类可读的逗号分隔文件（即*.csv）。你还将学习如何将这两种文件类型加载回NumPy工作区。

你将做什么#

你将学习两种保存和读取文件的方式——压缩文件和文本文件——它们将满足你在NumPy中大部分的存储需求。

你将创建两个一维数组和一个二维数组
你将把这些数组保存到文件
你将从工作区中移除变量
你将从保存的文件中加载变量
你将比较压缩的二进制文件和人类可读的分隔文件
你将掌握保存、加载和分享NumPy数组的技能

你需要什么#

NumPy
对你的工作目录的读写权限

使用以下命令加载必要的函数。

import numpy as np

在本教程中，你将使用以下Python、IPython魔法命令和NumPy函数

创建你的数组#

在你导入NumPy库后，你可以创建几个数组；我们从两个一维数组x和y开始，其中y = x**2。你将使用np.arange把x赋值为0到9的整数。

x = np.arange(10)
y = x ** 2
print(x)
print(y)

[0 1 2 3 4 5 6 7 8 9]
[ 0  1  4  9 16 25 36 49 64 81]

使用NumPy的`savez`保存你的数组#

现在你的工作区中有两个数组，

x: [0 1 2 3 4 5 6 7 8 9]

y: [ 0 1 4 9 16 25 36 49 64 81]

你要做的第一件事是使用savez将它们保存为压缩数组文件。你将使用两个选项来标记文件中的数组，

x_axis = x：此选项将名称x_axis分配给变量x
y_axis = y：此选项将名称y_axis分配给变量y

np.savez("x_y-squared.npz", x_axis=x, y_axis=y)

移除已保存的数组并使用NumPy的`load`重新加载#

在你当前的工作目录中，应该有一个名为x_y-squared.npz的新文件。此文件是x和y这两个数组的压缩二进制文件。让我们清除工作区并重新加载值。这个x_y-squared.npz文件包含两个NPY format文件。NPY格式是一种原生二进制格式。你无法在标准文本编辑器或电子表格中读取这些数字。

使用del从工作区中移除x和y
使用np.load将数组作为字典加载到工作区

要查看工作区中有哪些变量，请使用Jupyter/IPython“魔法”命令whos。

del x, y

%whos

Variable   Type      Data/Info
------------------------------
np         module    <module 'numpy' from '/ho<...>kages/numpy/__init__.py'>

load_xy = np.load("x_y-squared.npz")

print(load_xy.files)

['x_axis', 'y_axis']

%whos

Variable   Type       Data/Info
-------------------------------
load_xy    NpzFile    NpzFile 'x_y-squared.npz'<...>with keys: x_axis, y_axis
np         module     <module 'numpy' from '/ho<...>kages/numpy/__init__.py'>

将NpzFile数组重新分配给`x`和`y`#

你现在已经创建了一个NpzFile类型的字典。其中包含的文件是你在savez命令中定义的x_axis和y_axis。你可以将x和y重新分配给load_xy文件。

x = load_xy["x_axis"]
y = load_xy["y_axis"]
print(x)
print(y)

[0 1 2 3 4 5 6 7 8 9]
[ 0  1  4  9 16 25 36 49 64 81]

成功#

你已经使用savez和load创建、保存、删除并加载了变量x和y。干得好。

另一个选项：保存为人类可读的csv文件#

让我们考虑另一种情况，你希望与其他人或程序共享x和y。你可能需要一个更易于共享的人类可读文本文件。接下来，你将使用savetxt把x和y保存到一个逗号分隔值文件x_y-squared.csv中。生成的csv文件由ASCII字符组成。你可以将文件加载回NumPy或使用其他程序读取它。

将数据重新排列成单个二维数组#

首先，你必须从你的两个一维数组中创建一个单个的二维数组。csv文件类型是一种电子表格样式的数据集。csv将数字排列成行（由换行符分隔）和列（由逗号分隔）。如果数据更复杂，例如多个二维数组或更高维度的数组，最好使用savez。在这里，你将使用两个NumPy函数来格式化数据

np.block：此函数将数组连接成一个二维数组
np.newaxis：此函数将一维数组强制转换为一个具有10行1列的二维列向量。

array_out = np.block([x[:, np.newaxis], y[:, np.newaxis]])
print("the output array has shape ", array_out.shape, " with values:")
print(array_out)

the output array has shape  (10, 2)  with values:
[[ 0  0]
 [ 1  1]
 [ 2  4]
 [ 3  9]
 [ 4 16]
 [ 5 25]
 [ 6 36]
 [ 7 49]
 [ 8 64]
 [ 9 81]]

使用`savetxt`将数据保存到csv文件#

你使用savetxt并带三个选项，使你的文件更易于读取

X = array_out：此选项告诉savetxt将你的二维数组array_out保存到文件x_y-squared.csv
header = 'x, y'：此选项在任何数据之前写入一个标题，用于标记csv的列
delimiter = ','：此选项告诉savetxt在文件中的每列之间放置一个逗号

np.savetxt("x_y-squared.csv", X=array_out, header="x, y", delimiter=",")

打开文件x_y-squared.csv，你将看到以下内容

!head x_y-squared.csv

# x, y
000000000000000000e+00,0.000000000000000000e+00
000000000000000000e+00,1.000000000000000000e+00
000000000000000000e+00,4.000000000000000000e+00
000000000000000000e+00,9.000000000000000000e+00
000000000000000000e+00,1.600000000000000000e+01
000000000000000000e+00,2.500000000000000000e+01
000000000000000000e+00,3.600000000000000000e+01
000000000000000000e+00,4.900000000000000000e+01
000000000000000000e+00,6.400000000000000000e+01

我们的数组作为csv文件#

这里有两个你应该注意的特性

NumPy在使用loadtxt时，使用#来忽略标题。如果你使用loadtxt处理其他csv文件，你可以通过skiprows = <number_of_header_lines>来跳过标题行。
整数以科学计数法写入。*你可以*使用savetxt选项fmt = 来指定文本格式，但它仍将以ASCII字符写入。通常，你无法保留ASCII数字的float或int类型。

现在，再次删除x和y，并将它们分配到x-y_squared.csv中的列。

del x, y

load_xy = np.loadtxt("x_y-squared.csv", delimiter=",")

load_xy.shape

(10, 2)

x = load_xy[:, 0]
y = load_xy[:, 1]
print(x)
print(y)

[0. 1. 2. 3. 4. 5. 6. 7. 8. 9.]
[ 0.  1.  4.  9. 16. 25. 36. 49. 64. 81.]

成功，但请记住你的类型#

当你将数组保存到csv文件时，你没有保留int类型。当将数组加载回工作区时，默认过程是将csv文件加载为二维浮点数组，例如load_xy.dtype == 'float64'和load_xy.shape == (10, 2)。

总结#

总之，你可以在NumPy中创建、保存和加载数组。保存数组使你的工作共享和协作变得更加容易。Python还有其他保存数据到文件的方式，例如pickle，但savez和savetxt将分别满足你未来NumPy工作和与他人共享的大部分存储需求。

下一步：你可以从Importing with genfromtext导入带有缺失值的数据，或者通过Reading and Writing Files了解更多关于NumPy通用IO的信息。

保存和分享你的NumPy数组

目录