将 numpy 数组存入文件，有多种文件类型可供选择，对应地就有不同的方法来读写。
下面我将介绍读写 numpy 的三类文件：
- txt 或者 csv 文件
- npy 或者 npz 文件
- hdf5 文件
通过 numpy 读写 txt 或 csv 文件
import numpy as np a = np.array(range(20)).reshape((4, 5)) print(a) # 后缀改为 .txt 一样 filename = 'data/a.csv' # 写文件 np.savetxt(filename, a, fmt='%d', delimiter=',') # 读文件 b = np.loadtxt(filename, dtype=np.int32, delimiter=',') print(b)
缺点：
- 只能保存一维和二维 numpy 数组，当 numpy 数组
a有多维时，需要将其a.reshape((a.shape[0], -1))后才能用这种方式保存。 - 不能追加保存，即每次
np.savetxt()都会覆盖之前的内容。
通过 numpy 读写 npy 或 npz 文件
读写 npy 文件
import numpy as np a = np.array(range(20)).reshape((2, 2, 5)) print(a) filename = 'data/a.npy' # 写文件 np.save(filename, a) # 读文件 b = np.load(filename) print(b) print(b.shape)
优点：
- npy 文件可以保存任意维度的 numpy 数组，不限于一维和二维；
- npy 保存了 numpy 数组的结构，保存的时候是什么 shape 和 dtype，取出来时就是什么样的 shape 和 dtype。
缺点：
- 只能保存一个 numpy 数组，每次保存会覆盖掉之前文件中存在的内容（如果有的话）。
读写 npz 文件
import numpy as np a = np.array(range(20)).reshape((2, 2, 5)) b = np.array(range(20, 44)).reshape(2, 3 ,4) print('a:\n', a) print('b:\n', b) filename = 'data/a.npz' # 写文件， 如果不指定key，那么默认key为'arr_0'、'arr_1'，一直排下去。 np.savez(filename, a, b=b) # 读文件 c = np.load(filename) print('keys of NpzFile c:\n', c.keys()) print("c['arr_0']:\n", c['arr_0']) print("c['b']:\n", c['b'])
优点：
- npy 文件可以保存任意维度的 numpy 数组，不限于一维和二维；
- npy 保存了 numpy 数组的结构，保存的时候是什么 shape 和 dtype，取出来时就是什么样的 shape 和 dtype；
- 可以同时保存多个 numpy 数组；
- 可以指定保存 numpy 数组的 key，读取的时候很方便，不会混乱。
缺点：
- 保存多个 numpy 数组时，只能同时保存，即
np.savez(filename, a, b=b)。每次保存会覆盖掉之前文件中存在的内容（如果有的话）。
通过 h5py 读写 hdf5 文件
优点：
- 不限 numpy 数组维度，可以保持 numpy 数组结构和数据类型；
- 适合 numpy 数组很大的情况，文件占用空间小；
- 可以通过 key 来访问 dataset（可以理解为 numpy.array），读取的时候很方便，不会混乱。
- 可以不覆盖原文件中含有的内容。
简单读取
import numpy as np import h5py a = np.array(range(20)).reshape((2, 2, 5)) b = np.array(range(20)).reshape((1, 4, 5)) print(a) print(b) filename = 'data/data.h5' # 写文件 h5f = h5py.File(filename, 'w') h5f.create_dataset('a', data=a) h5f.create_dataset('b', data=b) h5f.close() # 读文件 h5f = h5py.File(filename, 'r') print(type(h5f)) # 通过切片得到numpy数组 print(h5f['a'][:]) print(h5f['b'][:]) h5f.close()
通过切片赋值
import numpy as np import h5py a = np.array(range(20)).reshape((2, 2, 5)) print(a) filename = 'data/a.h5' # 写文件 h5f = h5py.File(filename, 'w') # 当数组a太大，需要切片进行操作时，可以不直接对h5f['a']进行初始化； # 当之后不需要改变h5f['a']的shape时，可以省略maxshape参数 h5f.create_dataset('a', shape=(2, 2, 5), maxshape=(None, 2, 5), dtype=np.int32, compression='gzip') for i in range(2): # 采用切片的形式赋值 h5f['a'][i] = a[i] h5f.close() # 读文件 h5f = h5py.File(filename, 'r') print(type(h5f)) print(h5f['a']) # 通过切片得到numpy数组 print(h5f['a'][:])
同一个 hdf5 文件可以创建多个 dataset，读取的时候按照 key 来即可。
总结
- csv 和 txt 只能用来存一维或二维 numpy 数组；
- npy 用来存单个 numpy 数组，npz 可以同时存多个 numpy 数组，两者都不限 numpy 维度，且都保持 numpy 数组的 shape 和 dtype，写文件时若原文件存在只能覆盖原文件内容；
- 当 numpy 数组很大时，最好使用 hdf5 文件，hdf5 文件相对更小；
- 当 numpy 数组很大时，对整个 numpy 数组进行运算容易发生 MemoryError，那么此时可以选择对 numpy 数组切片，将运算后的数组保存到 hdf5 文件中，hdf5 文件支持切片索引。
References
作者：wuliytTaotao
本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文连接。