Wenn Sie Array-Elemente in Numpy in einer Datei speichern möchten, ist es sicherlich möglich, Dateien mit reinem Python zu schreiben, aber es fühlt sich immer etwas weniger praktisch an. In dieser Hinsicht wird der Einsatz von Pandas-Tools die Arbeit erheblich erleichtern. Lassen Sie es uns anhand eines einfachen Beispiels demonstrieren.
Erstellen Sie zunächst das Array in Numpy.
In [18]: arr1 = np.arange(100).reshape(10,10) In [19]: arr1 Out[19]: array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9], [10, 11, 12, 13, 14, 15, 16, 17, 18, 19], [20, 21, 22, 23, 24, 25, 26, 27, 28, 29], [30, 31, 32, 33, 34, 35, 36, 37, 38, 39], [40, 41, 42, 43, 44, 45, 46, 47, 48, 49], [50, 51, 52, 53, 54, 55, 56, 57, 58, 59], [60, 61, 62, 63, 64, 65, 66, 67, 68, 69], [70, 71, 72, 73, 74, 75, 76, 77, 78, 79], [80, 81, 82, 83, 84, 85, 86, 87, 88, 89], [90, 91, 92, 93, 94, 95, 96, 97, 98, 99]])
Als nächstes muss aus diesem Array ein DataFrame erstellt werden, um diesen Datensatz in Daten umzuwandeln, die von Pandas verarbeitet werden können.
Verwandte Empfehlungen: „Python Video Tutorial“
In [20]: data1 = DataFrame(arr1)
Auf diese Weise kann die Datendatei über die to_csv-Methode von DataFrame in Pandas gespeichert werden. Die Details lauten wie folgt:
In [21]: data1.to_csv('data1.csv') In [22]: cat data1.csv ,0,1,2,3,4,5,6,7,8,9 0,0,1,2,3,4,5,6,7,8,9 1,10,11,12,13,14,15,16,17,18,19 2,20,21,22,23,24,25,26,27,28,29 3,30,31,32,33,34,35,36,37,38,39 4,40,41,42,43,44,45,46,47,48,49 5,50,51,52,53,54,55,56,57,58,59 6,60,61,62,63,64,65,66,67,68,69 7,70,71,72,73,74,75,76,77,78,79 8,80,81,82,83,84,85,86,87,88,89 9,90,91,92,93,94,95,96,97,98,99
Sehen Sie sich das gespeicherte Datenformat noch einmal an:
In [23]: data1 Out[23]: 0 1 2 3 4 5 6 7 8 9 0 0 1 2 3 4 5 6 7 8 9 1 10 11 12 13 14 15 16 17 18 19 2 20 21 22 23 24 25 26 27 28 29 3 30 31 32 33 34 35 36 37 38 39 4 40 41 42 43 44 45 46 47 48 49 5 50 51 52 53 54 55 56 57 58 59 6 60 61 62 63 64 65 66 67 68 69 7 70 71 72 73 74 75 76 77 78 79 8 80 81 82 83 84 85 86 87 88 89 9 90 91 92 93 94 95 96 97 98 99 In [24]: type(data1) Out[24]: pandas.core.frame.DataFrame
Aus den obigen Ergebnissen können wir erkennen, dass bei der Konvertierung in DataFrame die Dateninformationen Zeilen- und Spaltenüberschriften hinzufügen Information.
Der Effekt des Öffnens einer CSV-Datei über eine Tabellenkalkulationssoftware ist wie folgt:
Das obige ist der detaillierte Inhalt vonSo speichern Sie ein Array in Python. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
