Speichern und laden Sie das NumPy-Array in Python

1. NumPy Array speichern und laden mit den Funktionen numpy.savetxt() und numpy.loadtxt()
2. NumPy Array speichern und laden mit den Funktionen numpy.tofile() und numpy.fromfile()
3. Speichern und laden Sie NumPy Array mit den Funktionen numpy.save() und numpy.load() in Python

In diesem Tutorial werden die Methoden zum Speichern und Laden eines NumPy-Arrays in Python erläutert.

NumPy Array speichern und laden mit den Funktionen numpy.savetxt() und numpy.loadtxt()

Die Funktion numpy.savetxt() speichert ein NumPy-Array in eine Textdatei und die Funktion numpy.loadtxt() lädt ein NumPy-Array aus einer Textdatei in Python. Die Funktion numpy.save() nimmt den Namen der Textdatei, das zu speichernde Array und das gewünschte Format als Eingabeparameter und speichert das Array in der Textdatei. Die Funktion numpy.loadtxt() nimmt den Namen der Textdatei und den Datentyp des Arrays und gibt das gespeicherte Array zurück. Das folgende Codebeispiel zeigt uns, wie wir mit den Funktionen numpy.savetxt() und numpy.loadtxt() in Python ein NumPy-Array speichern und laden können.

import numpy as np

a = np.array([1, 3, 5, 7])

np.savetxt("test1.txt", a, fmt="%d")

a2 = np.loadtxt("test1.txt", dtype=int)
print(a == a2)

Ausgabe:

[ True  True  True  True]

Im obigen Code haben wir das Array a in der Datei test1.txt mit der Funktion numpy.savetxt() gespeichert und das Array a2 aus der Datei test1.txt mit der numpy.loadtxt()-Funktion in Python. Wir haben zuerst das Array a mit der Funktion np.array() erstellt. Wir haben dann das Array a in der Datei test1.txt mit der Funktion np.savetxt() gespeichert und als Format %d angegeben, was das Integer-Format ist. Anschließend haben wir das gespeicherte Array mit der Funktion np.loadtxt() in das Array a2 geladen und den dtype=int angegeben. Am Ende haben wir beide Arrays verglichen und die Ergebnisse angezeigt.

Diese Methode ist erheblich langsamer als alle anderen hier diskutierten Methoden.

NumPy Array speichern und laden mit den Funktionen numpy.tofile() und numpy.fromfile()

Die Funktion numpy.tofile() speichert ein NumPy-Array in einer Binärdatei und die Funktion numpy.fromfile() lädt ein NumPy-Array aus einer Binärdatei. Die Funktion numpy.tofile() nimmt den Namen der Datei als Eingabeargument und speichert das aufrufende Array innerhalb der Datei im Binärformat. Die Funktion numpy.fromfile() nimmt den Namen der Datei und den Datentyp des Arrays als Eingabeparameter und gibt das Array zurück. Das folgende Codebeispiel zeigt uns, wie man ein NumPy-Array mit den Funktionen numpy.tofile() und numpy.fromfile() in Python speichert und lädt.

import numpy as np

a = np.array([1, 3, 5, 7])

a.tofile("test2.dat")

a2 = np.fromfile("test2.dat", dtype=int)
print(a == a2)

Ausgabe:

[ True  True  True  True]

Im obigen Code haben wir das Array a in der Datei test2.dat mit der Funktion numpy.tofile() gespeichert und das Array a2 aus der Datei test2.dat mit der Funktion numpy.fromfile()-Funktion in Python. Wir haben zuerst das Array a mit der Funktion np.array() erstellt. Anschließend haben wir das Array a in der Datei test2.dat mit der Funktion np.tofile() gespeichert. Anschließend haben wir das gespeicherte Array mit der Funktion np.fromfile() in das Array a2 geladen und den dtype=int angegeben. Am Ende haben wir beide Arrays verglichen und die Ergebnisse angezeigt.

Diese Methode ist schneller und effizienter als die vorherige Methode, sie ist jedoch plattformabhängig.

Speichern und laden Sie NumPy Array mit den Funktionen numpy.save() und numpy.load() in Python

Dieser Ansatz ist eine plattformunabhängige Methode zum Speichern und Laden eines NumPy-Arrays in Python. Die numpy.save()-Funktion speichert ein NumPy-Array in einer Datei und die numpy.load()-Funktion lädt ein NumPy-Array aus einer Datei. Bei dieser Methode müssen wir die Erweiterung .npy für die Dateien angeben. Die Funktion numpy.save() nimmt den Namen der Datei und des zu speichernden Arrays als Eingabeparameter und speichert das Array in der angegebenen Datei. Die Funktion numpy.load() nimmt den Namen der Datei als Eingabeparameter und gibt das Array zurück. Das folgende Codebeispiel zeigt uns, wie wir mit den Funktionen numpy.save() und numpy.load() in Python ein NumPy-Array speichern und laden können.

import numpy as np

a = np.array([1, 3, 5, 7])

np.save("test3.npy", a)

a2 = np.load("test3.npy")
print(a == a2)

Ausgabe:

[ True  True  True  True]

Im obigen Code haben wir das Array a in der Datei test3.npy mit der Funktion numpy.save() gespeichert und das Array a2 aus der Datei test3.npy mit numpy.load()-Funktion in Python. Wir haben zuerst das Array a mit der Funktion np.array() erstellt. Anschließend haben wir das Array a in der Datei test3.npy mit der Funktion np.save() gespeichert. Anschließend haben wir das gespeicherte Array mit der Funktion np.load() in das Array a2 geladen. Am Ende haben wir beide Arrays verglichen und die Ergebnisse angezeigt.

Diese Methode ist bisher die beste, da sie sehr effizient und plattformunabhängig ist.