Одна из важных функциональных возможностей любой библиотеки для работы с данными — это возможность эффективно загружать и сохранять данные. NumPy предоставляет несколько удобных функций для этой цели, а именно: load()
, save()
, loadtxt()
, и savetxt()
.
Функции save()
и load()
в NumPy используются для сохранения и загрузки данных в бинарном формате.
import numpy as np
# Создание массива
arr = np.array([[1, 2, 3], [4, 5, 6]])
# Сохранение массива
np.save('array_data.npy', arr)
# Загрузка массива
loaded_arr = np.load('array_data.npy')
print(loaded_arr)
Преимущества бинарного формата:
Для сохранения нескольких массивов используется формат .npz:
arr2 = np.array([0.1, 0.2, 0.3])
np.savez('arrays_data.npz', arr1=arr, arr2=arr2)
data = np.load('arrays_data.npz')
print(data['arr1'])
print(data['arr2'])
Функции savetxt()
и loadtxt()
используются для сохранения и загрузки массивов в текстовом формате.
# Сохранение массива в CSV
np.savetxt('array_data.csv', arr, delimiter=',')
# Загрузка массива из CSV
loaded_arr_csv = np.loadtxt('array_data.csv', delimiter=',')
print(loaded_arr_csv)
Преимущества текстового формата:
Однако стоит учесть, что текстовые форматы обычно занимают больше места, и операции загрузки/сохранения могут быть медленнее по сравнению с бинарными форматами.
Возможности NumPy по сохранению и загрузке данных делают его еще более универсальным инструментом. Благодаря этому, пользователи могут легко сохранять свои результаты для последующего использования или обмена данными с другими пользователями или приложениями. При правильном использовании этих функций вы можете значительно упростить процесс работы с данными, ускорить свою работу и сделать ее более эффективной.
Содержание: