儲存和分享你的 NumPy 陣列#
您將學到什麼#
您將把 NumPy 陣列儲存為壓縮檔案和人類可讀的逗號分隔檔案，即 *.csv。您還將學習如何將這兩種檔案類型載入回 NumPy 工作區。
您將會做什麼#
您將學習兩種儲存和讀取檔案的方式：壓縮檔案和文字檔案，這將滿足您在 NumPy 中的大部分儲存需求。
您將建立兩個一維陣列和一個二維陣列
您將這些陣列儲存到檔案中
您將從工作區中移除變數
您將從儲存的檔案中載入變數
您將比較壓縮二進位檔案和人類可讀的分隔檔案
您將具備儲存、載入和分享 NumPy 陣列的技能
您將需要什麼#
NumPy
對您工作目錄的讀寫權限
使用以下指令載入必要的函式。
import numpy as np
在本教學中，您將使用以下 Python、IPython 魔法函式和 NumPy 函式
建立您的陣列#
現在您已匯入 NumPy 函式庫，您可以建立幾個陣列；讓我們從兩個一維陣列 x 和 y 開始，其中 y = x**2。您將使用 np.arange 將 x 指派給從 0 到 9 的整數。
x = np.arange(10)
y = x ** 2
print(x)
print(y)
[0 1 2 3 4 5 6 7 8 9]
[ 0 1 4 9 16 25 36 49 64 81]
使用 NumPy 的 savez 儲存您的陣列#
現在您的工作區中有兩個陣列：
x: [0 1 2 3 4 5 6 7 8 9]
y: [ 0 1 4 9 16 25 36 49 64 81]
您首先要做的是使用 savez 將它們儲存到一個檔案中，作為壓縮的陣列。您將使用兩個選項來標記檔案中的陣列：
x_axis = x：此選項將名稱x_axis指派給變數xy_axis = y：此選項將名稱y_axis指派給變數y
np.savez("x_y-squared.npz", x_axis=x, y_axis=y)
使用 NumPy 的 load 移除已儲存的陣列並重新載入它們#
在您目前的工作目錄中，應該有一個名為 x_y-squared.npz 的新檔案。這個檔案是兩個陣列 x 和 y 的壓縮二進位檔。讓我們清除工作區並重新載入這些值。這個 x_y-squared.npz 檔案包含兩個 NPY 格式 的檔案。NPY 格式是一種 原生二進位格式。您無法在標準文字編輯器或試算表中讀取這些數字。
要查看工作區中有哪些變數，請使用 Jupyter/IPython 的「魔術」指令 whos。
del x, y
%whos
Variable Type Data/Info
------------------------------
np module <module 'numpy' from '/ho<...>kages/numpy/__init__.py'>
load_xy = np.load("x_y-squared.npz")
print(load_xy.files)
['x_axis', 'y_axis']
%whos
Variable Type Data/Info
-------------------------------
load_xy NpzFile NpzFile 'x_y-squared.npz'<...>with keys: x_axis, y_axis
np module <module 'numpy' from '/ho<...>kages/numpy/__init__.py'>
將 NpzFile 陣列重新賦值給 x 和 y#
您現在已經建立了一個包含 NpzFile 類型資料的字典。其中包含您在 savez 命令中定義的檔案 x_axis 和 y_axis。您可以將 load_xy 檔案重新賦值給 x 和 y。
x = load_xy["x_axis"]
y = load_xy["y_axis"]
print(x)
print(y)
[0 1 2 3 4 5 6 7 8 9]
[ 0 1 4 9 16 25 36 49 64 81]
成功#
您已使用 savez 和 load 成功建立、儲存、刪除和載入變數 x 和 y。做得很好。
另一種選擇：儲存為人類可讀的 csv 檔案#
讓我們考慮另一種情況，您想與其他人或其他程式共享 x 和 y。您可能需要易於共享的人類可讀文字檔案。接下來，您可以使用 savetxt 將 x 和 y 儲存到逗號分隔值檔案 x_y-squared.csv 中。產生的 csv 檔案由 ASCII 字元組成。您可以將檔案重新載入 NumPy 或使用其他程式讀取它。
將資料重新排列成單個二維陣列#
首先，您必須從兩個一維陣列建立一個二維陣列。csv 檔案類型是一種試算表樣式的資料集。csv 檔案將數字排列成列（以換行符號分隔）和欄（以逗號分隔）。如果資料更複雜，例如多個二維陣列或更高維度的陣列，則最好使用 savez。在這裡，您將使用兩個 NumPy 函式來格式化資料：
np.block：此函式將陣列附加在一起成為一個二維陣列。np.newaxis：此函式將一維陣列強制轉換為具有 10 列和 1 欄的二維欄向量。
array_out = np.block([x[:, np.newaxis], y[:, np.newaxis]])
print("the output array has shape ", array_out.shape, " with values:")
print(array_out)
the output array has shape (10, 2) with values:
[[ 0 0]
[ 1 1]
[ 2 4]
[ 3 9]
[ 4 16]
[ 5 25]
[ 6 36]
[ 7 49]
[ 8 64]
[ 9 81]]
使用 savetxt 將資料儲存到 csv 檔案#
您可以使用帶有三個選項的 savetxt，使您的檔案更易於閱讀：
X = array_out：此選項指示savetxt將您的二維陣列array_out儲存到檔案x_y-squared.csv。header = 'x, y'：此選項在任何資料之前寫入一個標題，用於標記 csv 檔案的欄位。delimiter = ','：此選項指示savetxt在檔案的每一欄之間放置一個逗號。
np.savetxt("x_y-squared.csv", X=array_out, header="x, y", delimiter=",")
開啟檔案 x_y-squared.csv，您將看到以下內容
!head x_y-squared.csv
# x, y
0.000000000000000000e+00,0.000000000000000000e+00
1.000000000000000000e+00,1.000000000000000000e+00
2.000000000000000000e+00,4.000000000000000000e+00
3.000000000000000000e+00,9.000000000000000000e+00
4.000000000000000000e+00,1.600000000000000000e+01
5.000000000000000000e+00,2.500000000000000000e+01
6.000000000000000000e+00,3.600000000000000000e+01
7.000000000000000000e+00,4.900000000000000000e+01
8.000000000000000000e+00,6.400000000000000000e+01
我們的陣列以 CSV 檔案呈現#
這裡有兩個您應該注意的特點
NumPy 使用
#在使用loadtxt時忽略標題。如果您將loadtxt與其他 CSV 檔案一起使用，您可以使用skiprows = <標題列數>跳過標題列。整數以科學記號法寫入。*您可以*使用
savetxt選項fmt =指定文字的格式，但它仍然會以 ASCII 字元寫入。一般來說，您無法將 ASCII 數字的類型保留為float或int。
現在，再次刪除 x 和 y，並將它們指定給 x-y_squared.csv 中的欄位。
del x, y
load_xy = np.loadtxt("x_y-squared.csv", delimiter=",")
load_xy.shape
(10, 2)
x = load_xy[:, 0]
y = load_xy[:, 1]
print(x)
print(y)
[0. 1. 2. 3. 4. 5. 6. 7. 8. 9.]
[ 0. 1. 4. 9. 16. 25. 36. 49. 64. 81.]
成功了，但請記住您的類型#
當您將陣列儲存到 CSV 檔案時，您沒有保留 int 類型。將陣列載回您的工作空間時，預設程序會將 CSV 檔案載入為二維浮點數陣列，例如 load_xy.dtype == 'float64' 和 load_xy.shape == (10, 2)。
總結#
總之，您可以在 NumPy 中建立、儲存和載入陣列。儲存陣列使分享您的工作和協作變得更加容易。Python 還有其他方法可以將資料儲存到檔案，例如 pickle，但 savez 和 savetxt 將分別滿足您未來 NumPy 工作和與他人分享的大部分儲存需求。
後續步驟：您可以從 使用 genfromtext 匯入 匯入具有缺失值的資料，或透過 讀寫檔案 了解更多關於一般 NumPy IO 的資訊。