需求

实际程序中，往往需要将运算结果（ndarray类型）保存到本地，以便进行后续的数据分析。利用numpy.savetxt可以保存1维或2维数据到txt文件中，但无法保存3维以上的数据。比如对一个图像库提取的图像特征。

此时可以用numpy.savez方法来保存3维以上的数据。

接口

保存数据用numpy.savez

  • 可以保存任意多个N维数组，有两种保存方式：
    1.用args方式，比如np.savez('data',d1,d2,d3),它将会以以arr_0,arr_1,arr_2来表示d1,d2,d3的名字，用于访问数据时用。
    2.用*    kwds方式，比如np.savez('data',d1=d1,d2=d2,d3=d3)，即指定了数组名，用于访问数据时用。
  • 保存后的本地文件为npz格式。

需要载入数据时用np.load(file)方法

  • 载入后的对象为NpzFile对象，类似一个字典。可以通过NpzFile.files来查看该文件中，有哪些数据。进而再通过类似字典索引的方式来访问数据，详情见实例。
  1. Signature: np.savez(file, *args, **kwds)
  2. Docstring:
  3. Save several arrays into a single file in uncompressed ``.npz`` format.
  5. If arguments are passed in with no keywords, the corresponding variable
  6. names, in the ``.npz`` file, are 'arr_0', 'arr_1', etc. If keyword
  7. arguments are given, the corresponding variable names, in the ``.npz``
  8. file will match the keyword names.
  10. Parameters
  11. ----------
  12. file : str or file
  13.     Either the file name (string) or an open file (file-like object)
  14.     where the data will be saved. If file is a string or a Path, the
  15.     ``.npz`` extension will be appended to the file name if it is not
  16.     already there.
  17. args : Arguments, optional
  18.     Arrays to save to the file. Since it is not possible for Python to
  19.     know the names of the arrays outside `savez`, the arrays will be saved
  20.     with names "arr_0", "arr_1", and so on. These arguments can be any
  21.     expression.
  22. kwds : Keyword arguments, optional
  23.     Arrays to save to the file. Arrays will be saved in the file with the
  24.     keyword names.

实例

实例1：用*args方式保存数据

  1. In [48]: d1 = np.random.randint(0,100,(2,2,2))
  3. In [49]: d1
  4. Out[49]: 
  5. array([[[12, 72],
  6.         [60, 41]],
  8.        [[ 2,  6],
  9.         [62, 53]]])
  11. In [50]: d2, d3 = d1*10, d1*100
  13. In [51]: np.savez('data',d1,d2,d3)
  15. In [52]: data = np.load('data.npz')
  17. In [53]: data.files
  18. Out[53]: ['arr_0', 'arr_1', 'arr_2']
  20. In [54]: data['arr_0']
  21. Out[54]: 
  22. array([[[12, 72],
  23.         [60, 41]],
  25.        [[ 2,  6],
  26.         [62, 53]]])
  28. In [55]: data['arr_1']
  29. Out[55]: 
  30. array([[[120, 720],
  31.         [600, 410]],
  33.        [[ 20,  60],
  34.         [620, 530]]])
  36. In [56]: data['arr_2']
  37. Out[56]: 
  38. array([[[1200, 7200],
  39.         [6000, 4100]],
  41.        [[ 200,  600],
  42.         [6200, 5300]]])

实例2：用**kwds方式保存数据

  2. In [57]: np.savez('data2',d1=d1,d2=d2,d3=d3) # 等价于
  3. # d = {'d1':d1,'d2':d2,'d3':d3}
  4. # np.savez('data2',**d)
  6. In [58]: data2 = np.load('data2.npz')
  8. In [59]: data2.files
  9. Out[59]: ['d1', 'd2', 'd3']
  11. In [62]: data2['d1']
  12. Out[62]: 
  13. array([[[12, 72],
  14.         [60, 41]],
  16.        [[ 2,  6],
  17.         [62, 53]]])
  19. In [63]: data2['d2']
  20. Out[63]: 
  21. array([[[120, 720],
  22.         [600, 410]],
  24.        [[ 20,  60],
  25.         [620, 530]]])
  27. In [64]: data2['d3']
  28. Out[64]: 
  29. array([[[1200, 7200],
  30.         [6000, 4100]],
  32.        [[ 200,  600],
  33.         [6200, 5300]]])