python如何保存numpy数

Python保存numpy数组的方法包括：使用numpy.save、numpy.savetxt、pickle模块、h5py模块。其中，numpy.save 是最常用的方法，它可以将numpy数组保存为一个二进制文件，具有存储效率高、读取速度快的优点。使用示例如下：

import numpy as np
创建一个numpy数组
array = np.array([1, 2, 3, 4, 5])
保存数组到文件
np.save('array.npy', array)
从文件读取数组
loaded_array = np.load('array.npy')
print(loaded_array)

在上述代码中，np.save函数将数组保存到名为array.npy的文件中，而np.load函数用于从文件中读取数组。接下来，我们将详细介绍其他几种保存numpy数组的方法及其适用场景。

一、numpy.save和numpy.load

1、基本使用

numpy.save 和 numpy.load 是保存和加载numpy数组的最简单方法。numpy.save将数组保存为.npy文件，numpy.load从.npy文件加载数组。这种方法适用于保存单个数组，具有高效、便捷的特点。

import numpy as np
创建一个numpy数组
array = np.array([[1, 2, 3], [4, 5, 6]])
保存数组到文件
np.save('array.npy', array)
从文件读取数组
loaded_array = np.load('array.npy')
print(loaded_array)

2、保存多个数组

如果需要保存多个数组，可以使用numpy.savez函数，该函数可以将多个数组保存到一个压缩文件中。

import numpy as np
创建多个numpy数组
array1 = np.array([1, 2, 3])
array2 = np.array([4, 5, 6])
保存多个数组到压缩文件
np.savez('arrays.npz', array1=array1, array2=array2)
从压缩文件读取数组
loaded_arrays = np.load('arrays.npz')
print(loaded_arrays['array1'])
print(loaded_arrays['array2'])

二、numpy.savetxt和numpy.loadtxt

1、基本使用

numpy.savetxt 和 numpy.loadtxt 用于将numpy数组保存为文本文件（如csv、txt文件）和从文本文件加载数组。这种方法适用于保存二维数组，尤其是需要与其他软件（如Excel）交换数据时。

import numpy as np
创建一个numpy数组
array = np.array([[1, 2, 3], [4, 5, 6]])
保存数组到文本文件
np.savetxt('array.txt', array, delimiter=',')
从文本文件读取数组
loaded_array = np.loadtxt('array.txt', delimiter=',')
print(loaded_array)

2、保存带有注释和标题的数组

numpy.savetxt 还支持保存带有注释和标题的数组。

import numpy as np
创建一个numpy数组
array = np.array([[1, 2, 3], [4, 5, 6]])
保存数组到文本文件
np.savetxt('array_with_header.txt', array, delimiter=',', header='Column1, Column2, Column3')
从文本文件读取数组
loaded_array = np.loadtxt('array_with_header.txt', delimiter=',', skiprows=1)
print(loaded_array)

三、pickle模块

1、基本使用

pickle 模块用于序列化和反序列化Python对象，包括numpy数组。使用pickle可以将numpy数组保存到任何文件中，而不仅仅是.npy或文本文件。

import numpy as np
import pickle
创建一个numpy数组
array = np.array([1, 2, 3, 4, 5])
保存数组到文件
with open('array.pkl', 'wb') as f:
    pickle.dump(array, f)
从文件读取数组
with open('array.pkl', 'rb') as f:
    loaded_array = pickle.load(f)
print(loaded_array)

2、多种对象的保存

pickle 可以保存多种类型的对象，因此如果你的项目中有多个不同类型的对象需要保存，pickle是一个很好的选择。

import numpy as np
import pickle
创建多个对象
array = np.array([1, 2, 3])
dictionary = {'a': 1, 'b': 2}
保存对象到文件
with open('data.pkl', 'wb') as f:
    pickle.dump((array, dictionary), f)
从文件读取对象
with open('data.pkl', 'rb') as f:
    loaded_array, loaded_dict = pickle.load(f)
print(loaded_array)
print(loaded_dict)

四、h5py模块

1、基本使用

h5py 模块用于将numpy数组保存到HDF5文件中。HDF5是一种用于存储和管理大规模数据的文件格式，适用于保存大量数据或需要高效读取的场景。

import numpy as np
import h5py
创建一个numpy数组
array = np.array([1, 2, 3, 4, 5])
保存数组到HDF5文件
with h5py.File('array.h5', 'w') as f:
    f.create_dataset('array', data=array)
从HDF5文件读取数组
with h5py.File('array.h5', 'r') as f:
    loaded_array = f['array'][:]
print(loaded_array)

2、保存多个数组和元数据

h5py 还支持保存多个数组以及元数据（如属性）。

import numpy as np
import h5py
创建多个numpy数组
array1 = np.array([1, 2, 3])
array2 = np.array([4, 5, 6])
保存数组和元数据到HDF5文件
with h5py.File('arrays.h5', 'w') as f:
    f.create_dataset('array1', data=array1)
    f.create_dataset('array2', data=array2)
    f.attrs['description'] = 'This file contains two arrays.'
从HDF5文件读取数组和元数据
with h5py.File('arrays.h5', 'r') as f:
    loaded_array1 = f['array1'][:]
    loaded_array2 = f['array2'][:]
    description = f.attrs['description']
print(loaded_array1)
print(loaded_array2)
print(description)