資訊專欄INFORMATION COLUMN
小編寫這篇文章的主要目的，主要是給大家去做一個(gè)解答，解答的內(nèi)容是關(guān)于python知識(shí)的，主要是討論python數(shù)據(jù)保存的一些問(wèn)題。涉及到的內(nèi)容有如何保存為npy和npz格式等一些相關(guān)的格式，具體的代碼下面就給大家貼出來(lái)了。
python數(shù)據(jù)保存為npy格式
補(bǔ)充：
numpy.save("./文件名",數(shù)組名)：以二進(jìn)制的格式保存數(shù)據(jù)，會(huì)將保存的多個(gè)數(shù)組以字典形式保存，每個(gè)數(shù)組都會(huì)默認(rèn)給一個(gè)key，從“arr_0”開始。也可以在傳入多個(gè)數(shù)組時(shí)用關(guān)鍵字自己指定其key值。numpy.load("./文件名.npy")：函數(shù)是從二進(jìn)制的文件中讀取數(shù)據(jù)。通過(guò)np.load()加載，之后可以通過(guò)obj.files來(lái)查看所有key值，類似于字典的dict.keys。并且我們也可以通過(guò)key值索引保存的數(shù)組。
（1）隨機(jī)生成一個(gè)數(shù)組，將數(shù)據(jù)保存為npy格式的文件中，
#保存數(shù)據(jù)：
import numpy as np
data_1=np.zeros((3,3))
#將ndarray類型的數(shù)據(jù)以字典的形式保存在擴(kuò)展名為npz的數(shù)據(jù)文件中
np.save("test.npy",data_1)
執(zhí)行代碼之后，會(huì)出現(xiàn)生成的文件，
?。?）讀取npy文件中的數(shù)據(jù)，
#加載數(shù)據(jù)
datas=np.load("test.npy")
print("----type----")
print(type(datas))
print("----shape----")
print(datas.shape)
print("----data----")
print(datas)
3）完整代碼：
import numpy as np
data_1=np.zeros((3,3))
#將ndarray類型的數(shù)據(jù)以字典的形式保存在擴(kuò)展名為npz的數(shù)據(jù)文件中
np.save("test.npy",data_1)
#加載數(shù)據(jù)
datas=np.load("test.npy")
print("----type----")
print(type(datas))
print("----shape----")
print(datas.shape)
print("----data----")
print(datas)python數(shù)據(jù)保存為npz格式
補(bǔ)充：
numpy.savez(’./文件名’,數(shù)組名1,數(shù)組名2,…)：可以將多個(gè)數(shù)組保存到一個(gè)文件中，會(huì)將保存的多個(gè)數(shù)組以字典形式保存，每個(gè)數(shù)組都會(huì)默認(rèn)給一個(gè)key，從“arr_0”開始。也可以在傳入多個(gè)數(shù)組時(shí)用關(guān)鍵字自己指定其key值。numpy.load()：通過(guò)np.load()加載之后可以使用obj.files來(lái)查看所有key值，類似于字典的dict.keys。并且我們也可以通過(guò)key值索引保存的數(shù)組。
?。?）隨機(jī)生成一個(gè)數(shù)組，將數(shù)據(jù)保存為npz格式的文件中，
#保存數(shù)據(jù)：
import numpy as np
data_1=np.zeros((3,3))
#將ndarray類型的數(shù)據(jù)以字典的形式保存在擴(kuò)展名為npz的數(shù)據(jù)文件中
np.savez("test.npz",data_1)執(zhí)行代碼之后，會(huì)出現(xiàn)生成的文件，
?。?）讀取npz文件中的數(shù)據(jù)，
#加載數(shù)據(jù)
datas=np.load("test.npz")
#第一種方法：
print(datas.files)#['arr_0']
print(datas['arr_0'])#np.zeros((3,3))
#或使用第二種方法：
for key,arr in datas.items():
print(key,":",arr)（3）完整代碼：
import numpy as np
data_1=np.zeros((3,3))
#將ndarray類型的數(shù)據(jù)以字典的形式保存在擴(kuò)展名為npz的數(shù)據(jù)文件中
np.savez("test.npz",data_1)
#加載數(shù)據(jù)
datas=np.load("test.npz")
#第一種方法：
print(datas.files)#['arr_0']
print(datas['arr_0'])#np.zeros((3,3))
#或使用第二種方法：
for key,arr in datas.items():
print(key,":",arr)綜上所述，這篇文章就給大家介紹到這里了，希望可以給大家?guī)?lái)幫助。
文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址：http://m.hztianpu.com/yun/128320.html
摘要：分類器項(xiàng)目自定義數(shù)據(jù)讀入在照著官網(wǎng)的敲了一遍分類器項(xiàng)目的代碼后，運(yùn)行倒是成功了，結(jié)果也不錯(cuò)。 Tensorflow分類器項(xiàng)目自定義數(shù)據(jù)讀入 在照著Tensorflow官網(wǎng)的demo敲了一遍分類器項(xiàng)目的代碼后，運(yùn)行倒是成功了，結(jié)果也不錯(cuò)。但是最終還是要訓(xùn)練自己的數(shù)據(jù)，所以嘗試準(zhǔn)備加載自定義的數(shù)據(jù)，然而demo中只是出現(xiàn)了fashion_mnist.load_data()并沒(méi)有詳細(xì)的讀取過(guò)...
摘要：前言以下簡(jiǎn)稱是數(shù)據(jù)分析必不可少的第三方庫(kù)，的出現(xiàn)一定程度上解決了運(yùn)算性能不佳的問(wèn)題，同時(shí)提供了更加精確的數(shù)據(jù)類型。因此，理解的數(shù)據(jù)類型對(duì)數(shù)據(jù)分析十分有幫助。一維數(shù)據(jù)由對(duì)等關(guān)系的有序或無(wú)序數(shù)據(jù)構(gòu)成，采用線性方式組織，可以用數(shù)組表示。 前言 NUMPY（以下簡(jiǎn)稱NP）是Python數(shù)據(jù)分析必不可少的第三方庫(kù)，np的出現(xiàn)一定程度上解決了Python運(yùn)算性能不佳的問(wèn)題，同時(shí)提供了更加精確的數(shù)據(jù)...
小編寫這篇文章的目的，主要是給大家介紹關(guān)于python和npy矩陣的相關(guān)介紹，下面會(huì)給大家做出一個(gè)詳細(xì)的解答，希望可以給各位讀者帶來(lái)幫助?！ at矩陣和npy矩陣互相轉(zhuǎn)換 numpy.narray矩陣保存為mat文件 importnumpyasnp importscipy.ioasio mat_path='your_mat_save_path' mat=np....
此篇文章關(guān)鍵給大家介紹了python格式Caffe圖片數(shù)據(jù)信息均值測(cè)算學(xué)習(xí)培訓(xùn)實(shí)例詳細(xì)說(shuō)明，感興趣的小伙伴可以參考借鑒一下，希望可以一些幫助，祝愿大家多多的發(fā)展，盡早漲薪 前言 照片減掉均值后，然后再進(jìn)行練習(xí)和檢測(cè)，也會(huì)提高速度與精密度。因而，通常在各類實(shí)體模型中都有這種操作。 那么這樣的均值是怎么來(lái)的呢，實(shí)際上是測(cè)算全部svm分類器的均值，計(jì)算出來(lái)后，儲(chǔ)存為均值文檔，在今后的檢測(cè)中，就...
閱讀 1068·2023-01-14 11:38
閱讀 1064·2023-01-14 11:04
閱讀 906·2023-01-14 10:48
閱讀 2382·2023-01-14 10:34
閱讀 1150·2023-01-14 10:24
閱讀 1028·2023-01-14 10:18
閱讀 657·2023-01-14 10:09
閱讀 735·2023-01-14 10:02
