numpy.fromfile#

numpy.fromfile(file, dtype=float, count=-1, sep='', offset=0, *, like=None)#

从文本或二进制文件中的数据构造一个数组.

一种高效读取已知数据类型的二进制数据的方法,以及解析简单格式文本文件的方法.使用 tofile 方法写入的数据可以使用此函数读取.

参数:
file文件或字符串或路径

打开文件对象或文件名.

在 1.17.0 版本发生变更: pathlib.Path 对象现在被接受.

dtype数据类型

返回数组的类型.对于二进制文件,它用于确定文件中项目的大小和字节顺序.大多数内置数字类型都受支持,扩展类型也可能受支持.

在 1.18.0 版本加入: 复杂的数据类型.

countint

要读取的项目数.``-1`` 表示所有项目（即,完整文件）.

sepstr

如果文件是文本文件,则项目之间的分隔符.空（””）分隔符意味着文件应被视为二进制文件.分隔符中的空格（” “）匹配零个或多个空白字符.仅由空格组成的分隔符必须至少匹配一个空白字符.

offsetint

从文件当前位置起的偏移量（以字节为单位）.默认为0.仅允许用于二进制文件.

在 1.17.0 版本加入.

likearray_like, 可选

引用对象以允许创建不是 NumPy 数组的数组.如果作为 like 传递的类数组对象支持 __array_function__ 协议,结果将由它定义.在这种情况下,它确保创建一个与通过此参数传递的对象兼容的数组对象.

在 1.20.0 版本加入.

参见

load, save
ndarray.tofile
loadtxt

从文本文件加载数据的更灵活方式.

备注

不要依赖 tofile 和 fromfile 的组合来存储数据,因为生成的二进制文件不是平台独立的.特别是,没有保存字节顺序或数据类型信息.可以使用 save 和 load 将数据存储在平台独立的 .npy 格式中.

示例

构造一个 ndarray:

>>> import numpy as np
>>> dt = np.dtype([('time', [('min', np.int64), ('sec', np.int64)]),
...                ('temp', float)])
>>> x = np.zeros((1,), dtype=dt)
>>> x['time']['min'] = 10; x['temp'] = 98.25
>>> x
array([((10, 0), 98.25)],
      dtype=[('time', [('min', '<i8'), ('sec', '<i8')]), ('temp', '<f8')])

将原始数据保存到磁盘:

>>> import tempfile
>>> fname = tempfile.mkstemp()[1]
>>> x.tofile(fname)

从磁盘读取原始数据:

>>> np.fromfile(fname, dtype=dt)
array([((10, 0), 98.25)],
      dtype=[('time', [('min', '<i8'), ('sec', '<i8')]), ('temp', '<f8')])

推荐的存储和加载数据的方式:

>>> np.save(fname, x)
>>> np.load(fname + '.npy')
array([((10, 0), 98.25)],
      dtype=[('time', [('min', '<i8'), ('sec', '<i8')]), ('temp', '<f8')])
On this page