3.Python科学计算与数据处理.pptVIP

文件存取 使用numpy.savetxt和numpy.loadtxt可以读写1维和2维的数组： * a = np.arange(0,12,0.5).reshape(4,-1) np.savetxt(a.txt, a) # 缺省按%.18e格式保存数据，以空格分隔 np.loadtxt(a.txt) array([[ 0. , 0.5, 1. , 1.5, 2. , 2.5], [ 3. , 3.5, 4. , 4.5, 5. , 5.5], [ 6. , 6.5, 7. , 7.5, 8. , 8.5], [ 9. , 9.5, 10. , 10.5, 11. , 11.5]]) np.savetxt(a.txt, a, fmt=%d, delimiter=,) #改为保存为整数，以逗号分隔 np.loadtxt(“a.txt”,delimiter=“,”) # 读入的时也需要指定逗号分隔 array([[ 0., 0., 1., 1., 2., 2.], [ 3., 3., 4., 4., 5., 5.], [ 6., 6., 7., 7., 8., 8.], [ 9., 9., 10., 10., 11., 11.]]) 3全文共98页，当前为第95页。 文件存取 文件名和文件对象 前面所举的例子都是传递的文件名，也可以传递已经打开的文件对象，例如对于load和save函数来说，如果使用文件对象的话，可以将多个数组储存到一个npy文件中： * 3全文共98页，当前为第96页。 文件存取 * a = np.arange(8) b = np.add.accumulate(a) c = a + b f = file(result.npy, wb) np.save(f, a) # 顺序将a,b,c保存进文件对象f np.save(f, b) np.save(f, c) f.close() f = file(result.npy, rb) np.load(f) # 顺序从文件对象f中读取内容 array([0, 1, 2, 3, 4, 5, 6, 7]) np.load(f) array([ 0, 1, 3, 6, 10, 15, 21, 28]) np.load(f) array([ 0, 2, 5, 9, 14, 20, 27, 35]) 3全文共98页，当前为第97页。 * 3全文共98页，当前为第98页。 * * 使用缺省参数的好处是，如果某个参数大部分情况下都取某个固定的值，那么就可以为这个参数定义一个默认值，这样在以后使用这个函数时带来很大的便利，因为我们大部分时间都不用给它传参数；如果偶尔情况有变，还可以给它传递更适合的值——真是一举两得呀！ * * def nobad(s): ... return s.find(bad) == -1 ... s = [bad,good,bade,we] filter(nobad,s) [good, we] import string s=[python,zope,linux] map(string.capitalize,s) [Python, Zope, Linux] map()还可同时应用于多个列表。 import operator s=[1,2,3]; t=[3,2,1] map(operator.mul,s,t) # s[i]*t[j] [3, 4, 3] 如果传递一个None值，而不是一个函数，则map()会把每个序列中的相应元素合并起来，并返回该元组。 a=[1,2];b=[3,4];c=[5,6] map(None,a,b,c) [(1, 3, 5), (2, 4, 6)] import operator reduce(operator.mul,[2,3,4,5]) # ((2*3)*4)*5 120 zip([1,2,3],[4,5],[7,8,9]) [(1, 4, 7), (2, 5, 8)] 先创建一个dtype对象persontype，通过其字典参数描述结构类型的各个字段。字典有两个关键字：names，formats。每个关键字对应的值都是一个列表。names定义结构中的每个字段名，而 formats则定义每个字段的类型： ? S32 : 32个字节的字符串类型，由于结构中的每个元素的大小必须固定，因此需要指定字符串的长度? i : 32bit的整数类型，相当于32? f : 32bit的单精度浮点数类型，相当于np.float32 然后我们调用array函数创建数组，通过关键字参数dtype=personty