机器学习--准备数据与Numpy(五)--
2018-02-04 19:05
701 查看
数组文件的输入与输出
将数组以二进制格式保存到磁盘存取文本文件
numpy文件存取-npz,npy
Numpy使用方法读取csv文件
array_ex.txt
0.580052,0.186730,1.040717,1.134411
0.194163,-0.636917,-0.938659,0.124094
-0.126410,0.268607,-0.695724,0.047428
-1.484413,0.004176,-0.744203,0.005487
2.302869,0.200131,1.670238,-1.881090
-0.193230,1.047233,0.482803,0.960334
# -*- coding: utf-8 -*-
import numpy as np
print('读取csv文件做为数组')
arr = np.loadtxt('array_ex.txt', delimiter = ',')
print(arr)
读取csv文件做为数组
[[ 0.580052 0.18673 1.040717 1.134411]
[ 0.194163 -0.636917 -0.938659 0.124094]
[-0.12641 0.268607 -0.695724 0.047428]
[-1.484413 0.004176 -0.744203 0.005487]
[ 2.302869 0.200131 1.670238 -1.88109 ]
[-0.19323 1.047233 0.482803 0.960334]]
# -*- coding: utf-8 -*- import numpy as np #save,load是Numpy专用的二进制类型保存数据,会自动处理数据类型和Shape信息,处理数组非常方便, #缺点是保存的文件无法用文本查看工具点击查看。文件保存类型为npy。 print('数组文件读写') arr = np.arange(10) np.save('some_array', arr)#第一个参数是文件名,文件扩展名默认为npy。 print(np.load('some_array.npy')) print #savez可以将多个数组压缩保存到一个文件中,后缀是npz。是由多个npy文件打包压缩而成。 #解压后是多个npy文件。 print('多个数组压缩存储') np.savez('array_archive.npz', a = arr, b = arr)#第一个参数是文件名,后面是文件 arch = np.load('array_archive.npz') print(arch['b'])
数组文件读写 [0 1 2 3 4 5 6 7 8 9] 多个数组压缩存储 [0 1 2 3 4 5 6 7 8 9]
4000
相关文章推荐
- 机器学习--准备数据与Numpy(六)--准备数据与Numpy之矩阵运算
- 机器学习--准备数据与Numpy(四)--利用数组进行数据处理
- 机器学习--准备数据与Numpy(一)
- 机器学习--准备数据与Numpy(八)--距离矩阵计算
- 如何使用 scikit-learn 为机器学习准备文本数据
- 关于机器学习、数据科学面试的准备
- 机器学习--准备数据与Numpy(三)--数学和统计方法
- python机器学习——十次交叉验证训练的数据准备算法
- 数据挖掘学习-准备篇-机器学习基础
- 学机器学习,不会数据分析怎么行?之NumPy详解
- Python数据分析与机器学习-Numpy
- 如何使用 scikit-learn 为机器学习准备文本数据
- 机器学习–使用numpy随机打散训练数据
- 机器学习和数据挖掘4——NumPy快速入门
- 用scikit-learn的三种词袋(BoW)生成方法为机器学习任务准备文本数据
- 机器学习--准备数据与Numpy(七)--
- 机器学习Python实践-第三部分-数据准备
- 数据挖掘/机器学习 之 距离测度
- 最流行的4个机器学习数据集
- 参考美团的"机器学习中的数据清洗与特征处理综述"