آموزش ورودی و خروجی در NumPy
آموزش ورودی و خروجی در NumPy
در این درس از مجموعه آموزش برنامه نویسی سایت سورس باران، به آموزش ورودی و خروجی در NumPy خواهیم پرداخت.
پیشنهاد ویژه : پکیج آموزش صفر تا صد پایتون
اشیا ndar تقسیم را می توان در پرونده های دیسک ذخیره و بارگیری کرد. توابع IO موجود عبارتند از:
- ()load و ()save توابع دسته / numPy پرونده های باینری (با پسوند npy)
- توابع ()loadtxt و ()savetxt پرونده های متنی عادی را اداره می کنند
NumPy یک قالب فایل ساده را برای اشیا ndar جداگانه معرفی می کند. این پرونده .npy داده ها، شکل ، نوع و سایر اطلاعات مورد نیاز برای بازسازی تقسیم بندی را در یک پرونده دیسک ذخیره می کند، به طوری که آرایه به درستی بازیابی می شود حتی اگر پرونده روی دستگاه دیگری با معماری متفاوت باشد.
()numpy.save
پرونده ()numpy.save آرایه ورودی را در یک پرونده دیسک با پسوند npy ذخیره می کند.
1 2 3 |
import numpy as np a = np.array([1,2,3,4,5]) np.save('outfile',a) |
برای بازسازی آرایه از outfile.npy ، از تابع ()load استفاده کنید.
1 2 3 |
import numpy as np b = np.load('outfile.npy') print b |
این خروجی زیر را تولید می کند –
1 |
array([1, 2, 3, 4, 5]) |
توابع ()save و ()load پارامتر Boolean اضافی allow_pickles را می پذیرند. قبل از ذخیره یا خواندن از پرونده دیسک، pickle در پایتون برای سریال سازی و غیر سریال سازی اشیا استفاده می شود.
()savetxt
ذخیره و بازیابی داده های آرایه در قالب فایل متنی ساده با توابع ()savetxt و ()loadtxt انجام می شود.
مثال
1 2 3 4 5 6 |
import numpy as np a = np.array([1,2,3,4,5]) np.savetxt('out.txt',a) b = np.loadtxt('out.txt') print b |
این خروجی زیر را تولید می کند –
1 |
[1. 2. 3. 4. 5.] |
توابع ()savetxt و ()loadtxt پارامترهای اختیاری دیگری مانند هدر، فوتر و جداکننده را می پذیرند.
لیست جلسات قبل آموزش NumPy
- آموزش NumPy
- معرفی NumPy
- آموزش محیط کار NumPy
- آموزش شی Ndarray در NumPy
- آموزش انواع داده ها در NumPy
- آموزش ویژگی های آرایه در NumPy
- آموزش روال ایجاد آرایه در NumPy
- آموزش ایجاد آرایه از داده های موجود در NumPy
- آموزش ایجاد آرایه از محدوده های عددی در NumPy
- آموزش شاخص گذاری و برش در NumPy
- آموزش شاخص گذاری پیشرفته در NumPy
- آموزش Broadcasting در NumPy
- آموزش تکرار در یک آرایه در NumPy
- آموزش دستکاری آرایه در NumPy
- آموزش اپراتورهای دودویی در NumPy
- آموزش توابع رشته ای در NumPy
- آموزش توابع ریاضی در NumPy
- آموزش عملیات حسابی در NumPy
- آموزش توابع آماری در NumPy
- آموزش مرتب سازی، جستجو و توابع شمارش در NumPy
- آموزش Byte Swapping در NumPy
- آموزش کپی ها و View
- آموزش کتابخانه ماتریس در NumPy
- آموزش جبر خطی در NumPy
- آموزش Matplotlib در NumPy
- آموزش هیستوگرام با استفاده از Matplotlib در NumPy
دیدگاه شما