آموزش ورودی و خروجی در NumPy

آموزش ورودی و خروجی در NumPy

در این درس از مجموعه آموزش برنامه نویسی سایت سورس باران، به آموزش ورودی و خروجی در NumPy خواهیم پرداخت.

پیشنهاد ویژه : پکیج آموزش صفر تا صد پایتون

اشیا ndar تقسیم را می توان در پرونده های دیسک ذخیره و بارگیری کرد. توابع IO موجود عبارتند از:

• ()load و ()save  توابع دسته / numPy پرونده های باینری (با پسوند npy)
• توابع ()loadtxt و ()savetxt پرونده های متنی عادی را اداره می کنند

NumPy یک قالب فایل ساده را برای اشیا ndar جداگانه معرفی می کند. این پرونده .npy داده ها، شکل ، نوع و سایر اطلاعات مورد نیاز برای بازسازی تقسیم بندی را در یک پرونده دیسک ذخیره می کند، به طوری که آرایه به درستی بازیابی می شود حتی اگر پرونده روی دستگاه دیگری با معماری متفاوت باشد.

()numpy.save 

پرونده ()numpy.save آرایه ورودی را در یک پرونده دیسک با پسوند npy ذخیره می کند.

import numpy as np 
a = np.array([1,2,3,4,5]) 
np.save('outfile',a)

برای بازسازی آرایه از outfile.npy ، از تابع ()load استفاده کنید.

import numpy as np 
b = np.load('outfile.npy') 
print b

این خروجی زیر را تولید می کند –

array([1, 2, 3, 4, 5])

توابع ()save و ()load پارامتر Boolean اضافی allow_pickles را می پذیرند. قبل از ذخیره یا خواندن از پرونده دیسک، pickle در پایتون برای سریال سازی و غیر سریال سازی اشیا استفاده می شود.

()savetxt 

ذخیره و بازیابی داده های آرایه در قالب فایل متنی ساده با توابع ()savetxt  و ()loadtxt انجام می شود.

مثال

import numpy as np 

a = np.array([1,2,3,4,5]) 
np.savetxt('out.txt',a) 
b = np.loadtxt('out.txt') 
print b

این خروجی زیر را تولید می کند –

[۱٫ ۲٫ ۳٫ ۴٫ ۵٫]

توابع ()savetxt و ()loadtxt  پارامترهای اختیاری دیگری مانند هدر، فوتر و جداکننده را می پذیرند.

منبع.

لیست جلسات قبل آموزش NumPy

1. آموزش NumPy
2. معرفی NumPy
3. آموزش محیط کار NumPy
4. آموزش شی Ndarray در NumPy
5. آموزش انواع داده ها در NumPy
6. آموزش ویژگی های آرایه در NumPy
7. آموزش روال ایجاد آرایه در NumPy
8. آموزش ایجاد آرایه از داده های موجود در NumPy
9. آموزش ایجاد آرایه از محدوده های عددی در NumPy
10. آموزش شاخص گذاری و برش در NumPy
11. آموزش شاخص گذاری پیشرفته در NumPy
12. آموزش Broadcasting در NumPy
13. آموزش تکرار در یک آرایه در NumPy
14. آموزش دستکاری آرایه در NumPy
15. آموزش اپراتورهای دودویی در NumPy
16. آموزش توابع رشته ای در NumPy
17. آموزش توابع ریاضی در NumPy
18. آموزش عملیات حسابی در NumPy
19. آموزش توابع آماری در NumPy
20. آموزش مرتب سازی، جستجو و توابع شمارش در NumPy
21. آموزش Byte Swapping در NumPy
22. آموزش کپی ها و View
23. آموزش کتابخانه ماتریس در NumPy
24. آموزش جبر خطی در NumPy
25. آموزش Matplotlib در NumPy
26. آموزش هیستوگرام با استفاده از Matplotlib در NumPy