python numpy csv文件的寫入和存取 寫入csv文件 CSV (Comma‐Separated Value, 逗號分隔值)，是一種常見的文件格式，用來存儲批量數據。 寫入csv文件 示例： 得到的文件是這樣的 改變參數，以浮點數寫入 讀取csv文件 讀取csv文件 示例： CSV只能有效 ...
python-numpy
csv文件的寫入和存取
寫入csv文件
CSV (Comma‐Separated Value, 逗號分隔值)，是一種常見的文件格式，用來存儲批量數據。
寫入csv文件
np.savetxt(frame, array, fmt='%.18e', delimiter=None)
• frame : 文件、字元串或產生器，可以是.gz或.bz2的壓縮文件
• array : 存入文件的數組
• fmt : 寫入文件的格式，例如：%d %.2f %.18e
• delimiter : 分割字元串，預設是任何空格示例：
>>> a = np.arange(100).reshape(5,20)
>>> np.savetxt('a.csv',a,fmt='%d',delimiter=',')得到的文件是這樣的
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改變參數，以浮點數寫入
>>> a = np.arange(100).reshape(5,20)
>>> np.savetxt('a.csv',a,fmt='%.1f',delimiter=',')0.0,1.0,2.0,3.0,4.0,5.0,6.0,7.0,8.0,9.0,10.0,11.0,12.0,13.0,14.0,15.0,16.0,17.0,18.0,19.0
20.0,21.0,22.0,23.0,24.0,25.0,26.0,27.0,28.0,29.0,30.0,31.0,32.0,33.0,34.0,35.0,36.0,37.0,38.0,39.0
40.0,41.0,42.0,43.0,44.0,45.0,46.0,47.0,48.0,49.0,50.0,51.0,52.0,53.0,54.0,55.0,56.0,57.0,58.0,59.0
60.0,61.0,62.0,63.0,64.0,65.0,66.0,67.0,68.0,69.0,70.0,71.0,72.0,73.0,74.0,75.0,76.0,77.0,78.0,79.0
80.0,81.0,82.0,83.0,84.0,85.0,86.0,87.0,88.0,89.0,90.0,91.0,92.0,93.0,94.0,95.0,96.0,97.0,98.0,99.0讀取csv文件
讀取csv文件
np.loadtxt(frame, dtype=np.float, delimiter=None， unpack=False)
• frame : 文件、字元串或產生器，可以是.gz或.bz2的壓縮文件
• dtype : 數據類型，可選
• delimiter : 分割字元串，預設是任何空格
• unpack : 如果True，讀入屬性將分別寫入不同變數示例：
>>> b = np.loadtxt('a.csv',delimiter=',')
>>> b
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.]])
>>> b = np.loadtxt('a.csv',dtype=np.int,delimiter=',')
>>> b
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]])CSV只能有效存儲一維和二維數組
np.savetxt() np.loadtxt()只能有效存取一維和二維數組
多維數據的存取
多維數據的寫入
a.tofile(frame, sep='', format='%s')
• frame : 文件、字元串
• sep : 數據分割字元串，如果是空串，寫入文件為二進位
• format : 寫入數據的格式示例;
>>> a = np.arange(100).reshape(5,10,2)
>>> a.tofile("a.dat",sep=',',format='%d')a.dat的內容：
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如果不指定分隔符，則產生二進位文件，無法用文本編輯器看懂。
多維數據的讀取
np.fromfile(frame, dtype=float, count=‐1, sep='')
• frame : 文件、字元串
• dtype : 讀取的數據類型
• count : 讀入元素個數，‐1表示讀入整個文件
• sep : 數據分割字元串，如果是空串，寫入文件為二進位numpy的隨機數函數
NumPy的random子庫
np.random.*
| 函數 | 說明 |
|---|---|
| rand(d0,d1,...,dn) | 根據d0-dn創建隨機數數組，浮點數，[0,1)，均勻分佈 |
| randn(d0,d1,...,dn) | 根據d0-dn創建隨機數數組，標準正態分佈 |
| randint(low[,high,shape]) | 根據shape創建隨機整數或整數數組，範圍是[low,high) |
| seed(s) | 隨機數種子，s是給定的種子值 |
| shuffle(a) | 根據數組a的第1軸進行隨排列，改變數組a |
| permutation(a) | 根據數組a的第1軸產生一個新的亂序數組，不改變數組a |
| choice(a[,size,replace,p]) | 從一維數組a中以概率p抽取元素，形成size形狀新數組replace表示是否可能重用元素，預設為False |
| uniform(low,high,size) | 產生具有均勻分佈的數組，low起始值，high結束值，size為形狀 |
| normal(loc,scale,size) | 產生具有正態分佈的數組，loc為均值，scale標準差，size為形狀 |
| poisson(lam,size) | 產生具有泊松分佈的數組，lam為隨機事件發生率，size為形狀 |
numpy的統計函數
NumPy直接提供的統計類函數
np.*
| 函數 | 說明 |
|---|---|
| sum(a,axis=None) | 根據給定axis計算數組a相關元素之和，axis整數或元組 |
| mean(a,axis=None) | 根據給定axis計算數組a相關元素的期望，axis整數或元組 |
| average(a,axis=None,weights=None) | 根據給定axis計算數組a相關元素的加權平均值 |
| std(a,axis=None) | 根據給定軸axis計算數組a相關元素的標準差 |
| var(a,axis = None) | 根據給定軸axis計算數組a相關元素的方差 |
| min(a) max(a) | 計算數組a中元素的最小值，最大值 |
| argmin(a) argmax(a) | 計算數組a中元素的最小值，最大值的降一維後下標 |
| unravel_index(index,shape) | 根據shape將一維下標index轉換成多維下標 |
| ptp(a) | 計算數組a中元素最大值和最小值的差 |
| median(a) | 計算數組a中元素的中位數(中值) |
axis=None 是統計函數的標配參數
numpy的梯度函數
| 函數 | 說明 |
|---|---|
| np.gradient(f) | 計算數組f中元素的梯度，當f為多維時，返回每個維度梯度 |
梯度：連續值之間的變化率，即斜率
XY坐標軸連續三個X坐標對應的Y軸值：a, b, c，其中，b的梯度是： (c‐a)/2
>>> a = np.random.randint(0,20,5)
>>> np.gradient(a)
array([ 9. , -0.5, -2. , -3. , -12. ])
