数据的csv文件存取
Csv文件只能存储一维数组和二维数组
Csv（comma-separated value，逗号分隔值）
Csv是一种常见的文件格式，用来储存批量数据
将数据写入csv文件
np.savetxt(frame,array,fmt=’%.18e’,delimiter=none)
frame:文件，字符串或产生器，可以是.gz或.bz2的压缩文件。
array：存入文件的数组
fmt：写入文件的格式，例如：%d %.2f %.18e。
%d：文件格式为整数
%.2f：文件格式为两位小数
%.18e：
delimiter:分割字符串，默认是任何空格。
import numpy as np
a=np.arange(20).reshape(4,5)
np.savetxt('a.csv',a,fmt='%d')
0 1 2 3 4
5 6 7 8 9
10 11 12 13 14
15 16 17 18 19
import numpy as np
a=np.arange(20).reshape(4,5)
np.savetxt('a.csv',a,fmt='%.2f',delimiter=',')
0.00,1.00,2.00,3.00,4.00
5.00,6.00,7.00,8.00,9.00
10.00,11.00,12.00,13.00,14.00
15.00,16.00,17.00,18.00,19.00读入csv文件
np.loadtxt(frame,dtype=np.float,delimiter=none,unpack=false)
frame:文件，字符串或产生器，可以是.gz或.bz2的压缩文件
dtype:数据类型，可选
delimiter:分割字符串，默认是任何空格
unpack：如果true，读入属性将分别写入不通过的变量。
import numpy as np
a=np.arange(20).reshape(4,5)
np.savetxt('a.csv',a,fmt='%d',delimiter=',')
0,1,2,3,4
5,6,7,8,9
10,11,12,13,14
15,16,17,18,19
import numpy as np
b=np.loadtxt('a.csv',delimiter=',') #读取的数据放到一个数组中，为浮点型
c=np.loadtxt('a.csv',dtype=np.int,delimiter=',') #读取的数据放到一个数组中，为整型
print(b)
[[ 0. 1. 2. 3. 4.]
[ 5. 6. 7. 8. 9.]
[10. 11. 12. 13. 14.]
[15. 16. 17. 18. 19.]]
print(c)
[[ 0 1 2 3 4]
[ 5 6 7 8 9]
[10 11 12 13 14]
[15 16 17 18 19]]Csv文件的局限性
np.savetext() np.loadtxt() 只能有效存取一维和二维数组
多维数据的存取
储存
a.tofile(frame,sep=’’,format=’%s’)
frame:文件，字符串
sep：数据分割字符串，如果是空串，写入文件为二进制
format：写入数据的格式。
import numpy as np
a=np.arange(100).reshape(5,4,5)
print(a)
[[[ 0 1 2 3 4]
[ 5 6 7 8 9]
[10 11 12 13 14]
[15 16 17 18 19]]
[[20 21 22 23 24]
[25 26 27 28 29]
[30 31 32 33 34]
[35 36 37 38 39]]
[[40 41 42 43 44]
[45 46 47 48 49]
[50 51 52 53 54]
[55 56 57 58 59]]
[[60 61 62 63 64]
[65 66 67 68 69]
[70 71 72 73 74]
[75 76 77 78 79]]
[[80 81 82 83 84]
[85 86 87 88 89]
[90 91 92 93 94]
[95 96 97 98 99]]]
a.tofile("b.dat",sep=",",format='%d')
存入文件内容
0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,66,67,68,69,70,71,72,73,74,75,76,77,78,79,80,81,82,83,84,85,86,87,88,89,90,91,92,93,94,95,96,97,98,99文件的读取
文件的读取为一维数组，需要知道写入时数组的维度才能还原出来原始数组信息。一般的处理方式为，在另外写一个文件，记录写入时数组维度的信息。
np.fromfile(frame, dtype=float, count=-1,sep=’’)
frame:文件，字符串
dtype：读取的数据类型，默认为浮点型
count：读取元素的个数，-1表示读入整个文件，
sep：数据分割字符串，如果是空串，写入文件为二进制
import numpy as np
a=np.arange(100).reshape(5,4,5)
print(a)
[[[ 0 1 2 3 4]
[ 5 6 7 8 9]
[10 11 12 13 14]
[15 16 17 18 19]]
[[20 21 22 23 24]
[25 26 27 28 29]
[30 31 32 33 34]
[35 36 37 38 39]]
[[40 41 42 43 44]
[45 46 47 48 49]
[50 51 52 53 54]
[55 56 57 58 59]]
[[60 61 62 63 64]
[65 66 67 68 69]
[70 71 72 73 74]
[75 76 77 78 79]]
[[80 81 82 83 84]
[85 86 87 88 89]
[90 91 92 93 94]
[95 96 97 98 99]]]
a.tofile("b.dat",sep=",",format='%d')
c=np.fromfile("b.dat",dtype=int,sep=",") #读取的数据位一维数组
print(c)
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47
48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71
72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95
96 97 98 99]
d=np.fromfile("b.dat",dtype=int,sep=",").reshape(5,4,5) #可以使用reshape还原数组，但是必须知道写入时数组的维度信息。
print(d)
[[[ 0 1 2 3 4]
[ 5 6 7 8 9]
[10 11 12 13 14]
[15 16 17 18 19]]
[[20 21 22 23 24]
[25 26 27 28 29]
[30 31 32 33 34]
[35 36 37 38 39]]
[[40 41 42 43 44]
[45 46 47 48 49]
[50 51 52 53 54]
[55 56 57 58 59]]
[[60 61 62 63 64]
[65 66 67 68 69]
[70 71 72 73 74]
[75 76 77 78 79]]
[[80 81 82 83 84]
[85 86 87 88 89]
[90 91 92 93 94]
[95 96 97 98 99]]]numpy的便捷文件存取
（一般数据的缓存使用，与其他程序的交互建议csv和tofile方法）
这种读取方式需要基于numpy的自定义文件格式。
数组的储存
np.save(fname,array)或np.savez(fname,array)
frame：文件名，以.npy为扩展名，压缩扩展名为.npz
array：数组变量
数组的读取
np.load(fname)
frame：文件名，以.npy为扩展名，压缩扩展名为.npz
import numpy as np
a=np.arange(24).reshape(2,3,4)
print(a)
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
np.save("a.npy",a) #文件是表头和二进制写入的，打开文件看不懂。
b=np.load("a.npy") #读取可以直接还原到原来的数组
print(b)
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
