E/S NumPy

NumPy peut lire et écrire des données texte ou des données binaires sur disque.

NumPy introduit un format de fichier simple pour les objets ndarray :npy。

Le fichier npy est utilisé pour stocker les données, la forme, le dtype et d'autres informations nécessaires pour reconstruire le ndarray.

Les fonctions d'E/S couramment utilisées incluent :

  • Les fonctions load() et save() sont les deux fonctions principales pour lire et écrire des données de tableau dans des fichiers. Par défaut, les tableaux sont enregistrés dans un format binaire brut non compressé dans des fichiers avec l'extension .npy.
  • La fonction savez() est utilisée pour écrire plusieurs tableaux dans un fichier. Par défaut, les tableaux sont enregistrés dans un format binaire brut non compressé dans des fichiers avec l'extension .npz.
  • Les fonctions loadtxt() et savetxt() gèrent les fichiers texte normaux (tels que .txt).

numpy.save()

La fonction numpy.save() enregistre un tableau dans un fichier avec l'extension .npy.

numpy.save(file, arr, allow_pickle=True, fix_imports=True)

Description du paramètre :

  • filefile : Le fichier à enregistrer, avec l'extension .npy. Si le chemin de fichier ne se termine pas par l'extension .npy, l'extension sera ajoutée automatiquement.
  • arrarr : Le tableau à enregistrer.
  • allow_pickleallow_pickle : Facultatif, booléen. Permet d'enregistrer des tableaux d'objets à l'aide de pickles Python. Pickle en Python est utilisé pour sérialiser et désérialiser des objets avant de les enregistrer dans un fichier disque ou de les lire depuis celui-ci.
  • fix_importsfix_imports : facultatif, pour plus de commodité lors de la lecture de données enregistrées par Python3 dans Python2.

Exemple

import numpy as np a = np.array([1,2,3,4,5]) # Enregistrer dans le fichier outfile.npy np.save('outfile.npy',a) # Enregistrer dans le fichier outfile2.npy ; si le chemin du fichier ne se termine pas par .npy, l'extension sera ajoutée automatiquement np.save('outfile2',a)

Nous pouvons afficher le contenu du fichier :

$ cat outfile.npy 
?NUMPYv{'descr': '<i8', 'fortran_order': False, 'shape': (5,), }  
$ cat outfile2.npy 
?NUMPYv{'descr': '<i8', 'fortran_order': False, 'shape': (5,), } 

On peut constater que le fichier est illisible, car il s'agit de données au format binaire spécifique de Numpy.

Nous pouvons utiliser la fonction load() pour lire les données et elles s'afficheront normalement :

Exemple

import numpy as np b = np.load('outfile.npy') print (b)

La sortie est :

[1 2 3 4 5]

np.savez

La fonction numpy.savez() enregistre plusieurs tableaux dans un fichier avec l'extension .npz.

numpy.savez(file, *args, **kwds)

Description du paramètre :

  • filefile : Le fichier à enregistrer, avec l'extension.npz, si le chemin du fichier ne se termine pas par l'extension.npz, l'extension sera ajoutée automatiquement.
  • argsargs : Les tableaux à enregistrer. Vous pouvez utiliser des arguments nommés pour nommer les tableaux. Les tableaux passés comme arguments non nommés seront automatiquement nommésarr_0, arr_1, … 。
  • kwdskwds: Nommez les tableaux à enregistrer à l'aide d'arguments nommés.

Exemple

import numpy as np a = np.array([[1,2,3],[4,5,6]]) b = np.arange(0, 1.0, 0.1) c = np.sin(b) # c utilise le paramètre nommé sin_array np.savez("example.npz", a, b, sin_array = c) r = np.load("example.npz") print(r.files) # Afficher les noms de chaque tableau print(r["arr_0"]) # tableau a print(r["arr_1"]) # tableau b print(r["sin_array"]) # tableau c

La sortie est :

['sin_array', 'arr_0', 'arr_1']
[[1 2 3]
 [4 5 6]]
[0.  0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9]
[0.         0.09983342 0.19866933 0.29552021 0.38941834 0.47942554
 0.56464247 0.64421769 0.71735609 0.78332691]

savetxt()

La fonction savetxt() stocke les données dans un format de fichier texte simple, et la fonction loadtxt() correspondante est utilisée pour récupérer les données.

np.loadtxt(FILENAME, dtype=int, delimiter=' ')
np.savetxt(FILENAME, a, fmt="%d", delimiter=",")

Le paramètre delimiter peut spécifier divers délimiteurs, des fonctions de conversion pour des colonnes spécifiques, le nombre de lignes à ignorer, etc.

Exemple

import numpy as np a = np.array([1,2,3,4,5]) np.savetxt('out.txt',a) b = np.loadtxt('out.txt') print(b)

La sortie est :

[1. 2. 3. 4. 5.]

Utilisation du paramètre delimiter :

Exemple

import numpy as np a=np.arange(0,10,0.5).reshape(4,-1) np.savetxt("out.txt",a,fmt="%d",delimiter=",") # Changer pour enregistrer sous forme d'entiers, séparés par des virgules b = np.loadtxt("out.txt",delimiter=",") # Lors du chargement, spécifiez également la séparation par virgules print(b)

La sortie est :

[[0. 0. 1. 1. 2.]
 [2. 3. 3. 4. 4.]
 [5. 5. 6. 6. 7.]
 [7. 8. 8. 9. 9.]]
Autres extensions