大数据知识体系
首页
数据结构与算法
  • JVM
  • Java
  • Scala
  • Python
设计模式
  • MySQL
  • Redis
  • HDFS
  • HBase
  • ClickHouse
  • ElasticSearch
  • Iceberg
  • Hudi
  • Spark
  • Flink
  • Hive
  • Yarn
  • Zookeeper
  • Maven
  • Git
  • 数据仓库
  • 用户画像
  • 指标体系
数据治理
关于
首页
数据结构与算法
  • JVM
  • Java
  • Scala
  • Python
设计模式
  • MySQL
  • Redis
  • HDFS
  • HBase
  • ClickHouse
  • ElasticSearch
  • Iceberg
  • Hudi
  • Spark
  • Flink
  • Hive
  • Yarn
  • Zookeeper
  • Maven
  • Git
  • 数据仓库
  • 用户画像
  • 指标体系
数据治理
关于
  • JVM

    • JVM 架构
    • JVM 类加载机制
    • JVM 运行时数据区
    • JVM 垃圾回收机制
    • JVM 性能监控与调优
    • JVM 常见错误
  • Java

    • Java基础

      • Java 基础知识
      • Java 基础 - 枚举类
      • Java 基础 - 异常处理
      • Java 基础 - 泛型
      • Java 基础 - 反射
      • Java 基础 - 代理模式
      • Java 基础 - 注解
    • Java集合

    • Java并发编程

    • Java 开发规范
  • Scala

    • Scala 概述
  • Python

    • Numpy

      • 初识 Numpy
      • ndarray 的创建方式
      • NumPy 的数据类型
      • NumPy 数组计算
      • 拷贝
      • 索引和切片
      • 数学和统计方法
      • 数组形状变换
      • 通用函数
      • 排序
      • 搜索和计数
      • 线性代数
      • 伪随机数生成
      • 广播
      • 文件输入和输出
        • 二进制文件
        • 文本文件
    • Pandas

      • 初识 Pandas
      • 认识 Series 和 DataFrame
      • Series 和 DataFrame 增删改查
      • Index对象增删改查
      • 普通列和行Index相互转化
      • 快速查看整体信息
      • 数值运算
      • 合并数据集
      • 数值统计与聚合
      • 分组聚合
      • 分类类型
      • 排序和排名
      • 时间序列
      • 文件输入与输出
      • 缺失值处理
      • 字符串处理
      • pandas sql
      • 其它
  • 语言基础
  • Python
  • Numpy
Will
2022-08-04
目录

文件输入和输出

# 二进制文件

  • load(file[, mmap_mode, allow_pickle, …])

    从.npy,.npz 或 pickle 文件加载数组或 pickle 对象

  • save(file, arr[, allow_pickle, fix_imports])

    将数组保存为 NumPy .npy 格式的二进制文件

  • savez(file, *args, **kwds)

    将多个数组以未压缩的.npz 格式保存到单个文件中

  • savez_compressed(file, *args, **kwds)

    将多个数组以压缩的.npz 格式保存到单个文件中

# 文本文件

  • loadtxt(fname[, dtype, comments, delimiter, …])

    从文本文件加载数据

  • savetxt(fname, X[, fmt, delimiter, newline, …])

    从文本文件加载数据

  • genfromtxt(fname[, dtype, comments, …])

    从文本文件加载数据,并按指定处理缺失值

  • fromregex(file, regexp, dtype[, encoding])

    使用来自文本文件构造数组

import numpy as np
from io import BytesIO

arr = np.arange(12).reshape(3, 4)
arr
1
2
3
4
5
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
np.save('file/io', arr)
1
np.load('file/io.npy')
1
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
np.savetxt('file/io2', arr)
1
np.savetxt('file/io2', arr, delimiter=',')
1
np.loadtxt('file/io2', delimiter=',')
1
array([[ 0.,  1.,  2.,  3.],
       [ 4.,  5.,  6.,  7.],
       [ 8.,  9., 10., 11.]])
上次更新: 2023/11/01, 03:11:44

← 广播 初识 Pandas→

Theme by Vdoing | Copyright © 2022-2023 Will 蜀ICP备2022002285号-1
  • 跟随系统
  • 浅色模式
  • 深色模式
  • 阅读模式