numpy.save()介绍及实例

迪鲁宾
928 阅读5分钟

numpy.save()

numpy.save()简介

numpy.save()函数在Python编码语言中用来保存一个单独的数组，该数组以npy格式存储一组数据，以确保数据存储在位于硬盘的一个文件中，可以根据功能需要加载。dot npy格式是标准化的格式，是一种二进制文件的保存方法，用于在磁盘上保存一个单独的阵列。该格式负责存储所有的dtype或数据类型信息以及阵列的形状，这些信息对于在相同或不同的机器上重建阵列是必要的，这些机器可能具有或不具有类似的架构结构。

该格式的设计在实现所有目标的同时，还考虑到了简单性和可接近性。.npz格式用于在磁盘空间中存储持续的多个数据。这可以很容易地理解为一个包含若干个.npy文件的压缩文件，每个文件代表一个数组。

numpy.save的应用语法

以下是在Python编程语言中编写代码时用于使用numpy.save()的语法。

numpy.save * (file, * arr, allow * _ * pickle * = * True, * fix * _ * imports * = * True *)

应用numpy.save()的参数 :

以下是在Python编程语言中编写numpy.save()函数时使用的参数。

参数。1.* 文件，* str，*或pathlib。* 路径

  • 它代表文件或文件名，用于注册和保存数据。如果该文件是一个对象，文件名保持不变。
  • 如果文件包含字符串数据或路径，则会在文件名上添加一个点npy扩展名，如果这样的扩展名还不存在。

2. *arrarray_like

它表示包含一个需要保存的数组的数据。

3.3. *allow_picklebool, optional

  • 该参数用于允许使用Python pickles保存各种对象数组的选项。嘿，不允许Pickles的原因有很多，包括与安全有关的问题（由于加载了被腌制的数据，任意代码可能被执行）和与移植性有关的问题（被腌制的对象可能无法在各种Python安装中加载。
  • 例如，由于数据被存储为已浸泡的对象，可能会有不兼容的问题。当在Python 3和Python 2之间过渡时，这种情况特别多。因此，除非指定，否则该参数的默认值被设置为true。

4.fix*_*importsbool,* *optional

  • 这个参数只有在Python 3平台中包含在对象数组中的对象必须在Python 2环境中以相对兼容的方式被提取时才有用。
  • 如果该参数为真，pickle将尝试把在Python 3环境中创建的新名称映射到先前在Python 2中使用的模块名称，这使得创建的pickle数据流在Python 2环境中可读。
返回。该参数负责将用户输入的数据存储在磁盘文件内，该文件的扩展名为点 npy。

numpy.save()是如何系统地工作的？

让我们借助于一个例子来看看numpy save函数的运作。所以这里我们有两个数组，分别是A和B。

numpy.save() 1

numpy.save() 2

现在让我们假设我们想把错误保存在项目文件夹中。我们可以观察到，一个a.npy文件已经被创建。这个文件由二进制格式的系统生成器数据中的numpy数组数据组成。为了打开这样的文件，必须改变默认的程序来打开该文件。为了打开该文件，需要使用一个文本阅读器。在这里，我们使用sublime文本编辑器和阅读器程序来打开文件，我们可以看到，数据已经以压缩的同步方式呈现。这种紧凑的数据方式被存储在文件中，代表了文件被存储的磁盘区域。

numpy.save() 3

现在，假设在同一个例子的前面，让我们说我们想说数组a和b。天气预报，命令savez()以指定npz扩展的zip文件，其中包含二进制形式的数组A和B。这里我们还可以指定包含数组a的文件名为x，包含数组b的文件名为y。同样，为了检查保存功能是否成功完成，我们必须尝试加载保存的文件。为了确保这一点，我们必须编写代码。

numpy.save() 4

当我们应用加载函数调用已保存的文件，并尝试检查指定文件夹内包含的每个数组的元素是否恰好遵循正确的顺序，并且是可读的，我们可以确保它的保存功能是成功的。

Python中numpy.save()的例子

下面给出了在Python中使用numpy.save()的例子。

例子 #1

解释numpy.save函数用法的Python程序。

代码:

import numpy as n1
# the array that has to be loaded is entered within b1
b1 = n1.load('num1file.npy')
print("The values contained is b1 are as follows:")
print(b1)
# b1 is then now printed using the file num1file.npy
print("The file b1 is printed from num1file.npy")

上述代码的输出显示了argmax的使用:

explaining the use

例子 #2

使用python语言编写了一个程序，用来说明函数save()的使用。

代码:

# save() function
import numpy as n1
a1 = n1.arange(5)
# printing the array a1.
print("Values contained in the array entered are:")
print(a1)
# the array has been saved in the file named numfile.npy
N1.save('numfile', a1)
print("The array has been now saved in the file numfile.npy")

上述代码的输出显示了argmax的使用:

using the python language

结论

numpy.save()函数对于确保对某些代码至关重要的数组或可能被各种代码用于动态编程的数组可以存储在一个共同的地方，从那里加载和重复使用文件将很容易，即使是在机器间传输的情况下。

avatar
文章
阅读
粉丝