numpy에서 데이터를 텍스트로 저장하고 읽는 방법

이 글에서는 주로 numpy에서 데이터를 텍스트 형식으로 저장하고 읽는 방법을 소개합니다. 이제 특정 참조 가치가 있으므로 필요한 친구들이 참조할 수 있습니다.

데이터를 저장할 수 있다는 것 외에도 말이죠. 바이너리 파일에서는 Numpy 파일에 저장하는 것 외에도 데이터를 텍스트 파일에 저장하도록 선택할 수도 있습니다. 디스크 저장소가 필요한 경우 후처리 도구에 대한 옵션이 더 많기 때문에 일반적으로 텍스트 저장소를 선택합니다.

텍스트 저장 데이터 파일은 savetxt 기능을 사용할 수 있으며, loadtxt 기능을 사용하면 해당 파일을 불러올 수 있습니다. 바이너리 저장소와 달리 savetxt의 기능은 확장자를 자동으로 추가하지 않습니다.

다음은 간단한 작업 데모입니다.

In [15]: arr1 =rand(5,4)
 
In [16]: arr1
Out[16]:
array([[0.21349492, 0.77993282, 0.37269246, 0.70599725],
  [ 0.74004045, 0.64697716, 0.49489394, 0.94005934],
  [ 0.89902693, 0.43021685, 0.29623512, 0.4259565 ],
  [ 0.00146385, 0.7619464 , 0.2764662 , 0.00896728],
  [ 0.17746182, 0.81107356, 0.13140944, 0.12808611]])
 
In [17]:np.savetxt('data.txt',arr1)

위 작업을 통해 배열 정보가 data.txt 파일에 저장됩니다. 다른 텍스트 편집기나 기타 처리 도구를 통해 편집하고 수정할 수 있습니다. 파일을 텍스트 형식으로 직접 본 결과는 다음과 같습니다.

C:\Users\ThinkPad\Desktop>typedata.txt
2.134949194782667092e-017.799328187516920696e-01 3.726924550593806451e-01 7.059972531846898658e-01
7.400404474495648754e-016.469771552354630639e-01 4.948939386825553788e-01 9.400593405075502451e-01
8.990269288143762916e-014.302168497691762905e-01 2.962351210526772416e-01 4.259564974067475696e-01
1.463850064000737916e-037.619464016912527171e-01 2.764661957409741966e-01 8.967282719944846825e-03
1.774618247314488917e-018.110735600283927038e-01 1.314094418012348164e-01 1.280861102265743456e-01

파일 로드:

In [22]: new_arr =np.loadtxt('data.txt')
 
In [23]: new_arr
Out[23]:
array([[0.21349492, 0.77993282, 0.37269246, 0.70599725],
  [ 0.74004045, 0.64697716, 0.49489394, 0.94005934],
  [ 0.89902693, 0.43021685, 0.29623512, 0.4259565 ],
  [ 0.00146385, 0.7619464 , 0.2764662 , 0.00896728],
  [ 0.17746182, 0.81107356, 0.13140944, 0.12808611]])

저장된 데이터 파일을 순서대로 로드하여 배열 객체를 생성하는 데 재사용할 수 있습니다. 저장소 확인 읽기와의 일관성을 위해 다음과 같이 확인하십시오.

In [25]: arr1 ==new_arr
Out[25]:
array([[True, True, True, True],
  [ True, True, True, True],
  [ True, True, True, True],
  [ True, True, True, True],
  [ True, True, True, True]], dtype=bool)

위에서 볼 수 있듯이 다시 읽어온 데이터는 원본과 동일한 효과를 갖습니다.

관련 추천:

numpy 행과 열 각각에 대한 배열 접합 및 병합의 예

다차원 행렬과 목록을 병합하는 확장 방법의 numpy 구현

위 내용은 numpy에서 데이터를 텍스트로 저장하고 읽는 방법의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!