Hay dos funciones principales para el procesamiento de datos.
(1): np.save ("test.npy", estructura de datos) ---- Guardar datos
(2): data = np.load ('test.npy ") ---- Obtener datos
Dé 2 ejemplos de la siguiente manera (guarde la lista)
1 、
z = [[[1, 2, 3], ['w']], [[1, 2, 3], ['w']]] np.save ('test.npy', z) x = np .load ('test.npy') x: -> matriz ([[lista ([1, 2, 3]), lista (['w'])], [lista ([1, 2, 3]), lista (['w'])]], dtype = objeto)
2. Guarde el diccionario
x-> {0: 'wpy', 1: 'scg'} np.save ('test.npy', x) x = np.load ('test.npy') x-> matriz ({0: 'wpy ', 1:' scg '}, dtype = objeto)
3. Después de leer en formato de diccionario, primero debe llamar a la siguiente declaración
data.item ()
Convierta el objeto numpy.ndarray de datos en dict
Conocimientos complementarios: Python read mat o npy file y guarde el archivo mat como método npy file (o npy save as mat)
Lea el archivo mat y guárdelo como archivo de formato npy
Consulte el código para obtener más detalles, preste atención a la transposición de h5py
import numpy as npfrom scipy import io mat = io.loadmat ('yourfile.mat') # Si se informa un error: utilice el lector HDF para archivos matlab v7.3 # Cambie a la siguiente forma de leer import h5pymat = h5py.File (' yourfile.mat ') # Puede haber múltiples celdas en el archivo mat, cada una correspondiente a un conjunto de datos # Puede usar el método de claves para ver el nombre de la celda, ahora necesita usar list (mat.keys ()), # Además, necesita leer datos = mat.get ('name'), luego puede usar Numpy para convertir a arrayprint (mat.keys ()) # Puede usar el método de valores para ver la información de cada celda print (mat.values ()) # Puede usar la forma para ver la información de dimensión print (mat ['your_dataset_name']. shape) # Tenga en cuenta que la información de la forma que ve aquí es diferente de la que abrió en matlab # La matriz aquí es la transposición de la matriz cuando se abre matlab # Entonces, debemos transponerla nuevamente a mat_t = np.transpose (mat ['your_dataset_name']) # mat_t está en formato numpy.ndarray # luego guárdelo como archivo de formato npy np.save ('yourfile.npy', mat_t)
La lectura de archivos npy es muy sencilla
importar numpy como np matrix = np.load ('yourfile.npy')
Puede volver a leer el archivo npy y guardarlo como un archivo mat
Método uno (encontré un error al hacer doble clic para abrir MATLAB: No se puede leer el archivo MAT *********. Mat. No es un archivo MAT binario. Intente cargar -ASCII para leer como texto):
import numpy as np matrix = np.load ('yourfile.npy') f = h5py.File ('yourfile.mat', 'w') f.create_dataset ('dataname', data = matrix) # No habrá datos Transponer
Método dos (usando scipy):
de scipy import io mat = np.load ('rlt_gene_features.npy-layer-3-train.npy') io.savemat ('gene_features.mat', {'gene_features': mat})
El ejemplo anterior de Python accediendo a datos en formato npy es todo el contenido compartido por el editor. Espero poder darle una referencia y espero que pueda apoyarlo.