python使用numpy讀取、保存txt數(shù)據(jù)的實例
1.首先生成array數(shù)組
import numpy as np a = np.random.rand(5,5) print(a)
結(jié)果:
array([[0.17374613, 0.87715267, 0.93111376, 0.53415215, 0.59667207], [0.6865835 , 0.15873242, 0.2842251 , 0.73840834, 0.37163279], [0.06556834, 0.68446787, 0.91136611, 0.82796704, 0.81343561], [0.99336674, 0.22961447, 0.78337783, 0.12448455, 0.04388831], [0.50053951, 0.046609 , 0.98179001, 0.446681 , 0.68448799]])
2.保存至txt
使用numpy.savetxt函數(shù),文檔在這里:
https://docs.scipy.org/doc/numpy-1.14.2/reference/generated/numpy.savetxt.html#numpy.savetxt
np.savetxt('a.txt',a,fmt='%0.8f') #第一個參數(shù)是要保存的文件名 #第二參數(shù)是要保存的array #第三個參數(shù)是保存的數(shù)據(jù)格式,詳見文檔
結(jié)果:
3.從txt文件中讀取數(shù)據(jù)
b=np.loadtxt('a.txt',dtype=np.float32) print(b)
結(jié)果:
array([[0.17374612, 0.8771527 , 0.9311138 , 0.53415215, 0.59667206], [0.6865835 , 0.15873241, 0.2842251 , 0.7384083 , 0.37163278], [0.06556834, 0.68446785, 0.9113661 , 0.82796705, 0.8134356 ], [0.9933667 , 0.22961447, 0.7833778 , 0.12448455, 0.04388831], [0.5005395 , 0.046609 , 0.98179 , 0.446681 , 0.684488 ]], dtype=float32)
以上這篇python使用numpy讀取、保存txt數(shù)據(jù)的實例就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關文章
機器學習數(shù)據(jù)預處理之獨熱One-Hot編碼及其代碼詳解
獨熱編碼即 One-Hot 編碼,又稱一位有效編碼。其方法是使用 N位 狀態(tài)寄存器來對 N個狀態(tài) 進行編碼,每個狀態(tài)都有它獨立的寄存器位,并且在任意時候,其中只有一位有效,這篇文章主要介紹了機器學習數(shù)據(jù)預處理之獨熱One-Hot編碼及其代碼詳解,需要的朋友可以參考下2022-07-07Python 字節(jié)流,字符串,十六進制相互轉(zhuǎn)換實例(binascii,bytes)
這篇文章主要介紹了Python 字節(jié)流,字符串,十六進制相互轉(zhuǎn)換實例(binascii,bytes),具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-05-05python利用while求100內(nèi)的整數(shù)和方式
這篇文章主要介紹了 python利用while求100內(nèi)的整數(shù)和方式,下面文章要描述的內(nèi)容有1到100的和、1到100內(nèi)的偶數(shù)和、1到100內(nèi)的奇數(shù)和,具體詳細內(nèi)容,需要的朋友可以參考一下2021-11-11Python sklearn對文本數(shù)據(jù)進行特征化提取
這篇文章主要介紹了Python sklearn對文本數(shù)據(jù)進行特征化提取,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習吧2023-04-04