Numpy数据二进制化_numpy 二进制_dream6104的博客

link之家

链接快照平台

输入网页链接，自动生成快照
标签化管理网页链接

numpy.load和numpy.save函数（推荐在不需要查看保存数据的情况下使用）

以NumPy 专用的二进制 类型保存数据，这两个函数会自动处理元素类型和shape等信息，使用它们读写数组就方便多了，但是numpy.save输出的文件很难和其它语言编写的程序读入：

如果你想将多个数组保存到一个文件中的话，可以使用numpy.savez函数。savez函数的第一个参数是文件名，其后的参数都是需要保存的数组，也可以使用关键字参数为数组起一个名字，非关键字参数传递的数组会自动起名为arr_0, arr_1, …。savez函数输出的是一个压缩文件(扩展名为npz)，其中每个文件都是一个save函数保存的npy文件，文件名对应于数组名。load函数自动识别npz文件，并且返回一个类似于字典的对象，可以通过数组名作为关键字获取数组的内容：

import numpy as np
a=np.arange(3)
b=np.arange(4)
c=np.arange(5)
np.savez('array_save.npz',a,b,c_array=c)
这样程序所在文件夹就生成了一个array_save.npz文件

把npz文件中的数据读出来

import numpy as np
A=np.load('array_save.npz')
print(A['arr_0'])
print(A['arr_1'])
print(A['c_array'])

>>> np.save("a.npy", a)
>>> c = np.load( "a.npy" )
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
Note: 
1. 文件要保存为.npy文件类型，否则会出错 
2. 保存为numpy专用二进制格式后，就不能用notepad++打开（乱码）看了，这是相对tofile内建函数不好的一点 
numpy.savez函数
 
如果你想将多个数组保存到一个文件中的话，可以使用numpy.savez函数。savez函数的第一个参数是文件名，其后的参数都是需要保存的数组，也可以使用关键字参数为数组起一个名字，非关键字参数传递的数组会自动起名为arr_0, arr_1, ...。savez函数输出的是一个压缩文件(扩展名为npz)，其中每个文件都是一个save函数保存的npy文件，文件名对应于数组名。load函数自动识别npz文件，并且返回一个类似于字典的对象，可以通过数组名作为关键字获取数组的内容： 
 >>> a = np.array([[1,2,3],[4,5,6]])
>>> b = np.arange(0, 1.0, 0.1)
>>> c = np.sin(b)
>>> np.savez("result.npz", a, b, sin_array = c)
>>> r = np.load("result.npz")
>>> r["arr_0"] # 数组a
array([[1, 2, 3],
       [4, 5, 6]])
>>> r["arr_1"] # 数组b
array([ 0. ,  0.1,  0.2,  0.3,  0.4,  0.5,  0.6,  0.7,  0.8,  0.9])
>>> r["sin_array"] # 数组c
array([ 0.        ,  0.09983342,  0.19866933,  0.29552021,  0.38941834,
        0.47942554,  0.56464247,  0.64421769,  0.71735609,  0.78332691])
                    Numpy能够读写磁盘上的文本数据或二进制数据。numpy.load和numpy.save函数（推荐在不需要查看保存数据的情况下使用）将数组以二进制格式保存到磁盘np.load和np.save是读写磁盘数组数据的两个主要函数，默认情况下，数组是以未压缩的原始二进制格式保存在扩展名为.npy的文件中。例子：import numpy as npa=np.arange(5)np.save...
				##查看.bin 文件里的二进制转化为整数时是否能和原数据对应，将原数据先保存到.txt文件中
#data是一个数组
#将tensor数据转为numpy ，以二进制方式读入保存到.bin中
data = data.cpu().numpy()
data.tofile('b.bin')
#将data数据保存到.txt中
data = data.cpu().numpy()
np.savetxt('002.txt',data,fmt='%d',delimiter=',')
#将b.bin文件转为对应的原始数据的格
使用二进制文件写入是因为我们的设备为xavier，cv2视频直接写入，编码耗时，占用cpu，因此，考虑直接将numpy矩阵写入，减少程序运行时的耗时工作。
和其他文件写入一样，直接写入
import cv2
import numpy as np
img = cv2.imread('night.jpg')
print(img[:10,0,0])
writer = open("a.bin"...
				读/写文件
NumPy的文件读/写主要有二进制的文件读/写和文件列表形式的数据读/写两种形式。学会读/写文件是利用NumPy进行数据处理的基础。NumPy提供了若干函数，可以把结果保存到二进制或文本文件中。除此之外，NumPy还提供了许多从文件读取数据并将其转换为数组的方法。
1. 二进制文件读/写
1.1  save函数：将一个numpy数组保存为二进制文件
save函数以二进制的格式保存数据。
save函数的语法格式为：numpy.save(file, arr, allow_pickle=True, f
				在处理 NMR 数据时，通常会有以下步骤：
1. 读取 NMR 数据文件，这通常是一个二进制文件或者使用特定格式存储的文本文件。常用的 NMR 数据文件格式包括 Bruker、Varian 和 Agilent 等。
2. 对 NMR 数据进行预处理，包括去除噪声、消除漂移、校正积分和扫描速度等。
3. 进行数据处理，这通常包括对数据进行求和、平滑、找峰和峰对应的位置等。
4. 对处理后的数据进行可视化，常用的可视化工具包括 Excel、Origin、Matlab 和 Python 等。
下面是一段使用 Python 进行 NMR 数据处理的示例代码：
```python
import numpy as np
# 读取 NMR 数据文件
data = np.loadtxt("nmr_data.txt")
# 去除噪声
data = data[data > 0.01]
sum_data = np.sum(data)
smooth_data = np.convolve(data, np.ones(5)/5, mode='same')
peaks, _ = find_peaks(smooth_data)
plt.plot(data)
plt.plot(smooth_data)
plt.scatter(peaks, smooth_data[peaks], c='r')
plt.show()
希望这些内容能够帮到您！