NumPy 教程

NumPy 首页 NumPy 简介 NumPy 环境

数组

NumPy Ndarray 对象 NumPy 数据类型

创建和操作数组

NumPy 数组创建例程 NumPy 数组操作 NumPy 基于现有数据创建数组 NumPy 基于数值范围创建数组 NumPy 数组迭代 NumPy 重塑数组 NumPy 连接数组 NumPy 堆叠数组 NumPy 拆分数组 NumPy 展平数组 NumPy 转置数组

索引与切片

NumPy 索引 &切片 NumPy 索引 NumPy 切片 NumPy 高级索引 NumPy 高级索引 NumPy 字段访问 NumPy 使用布尔数组切片

数组属性与操作

NumPy 数组属性 NumPy 数组形状 NumPy 数组大小 NumPy 数组步长 NumPy 数组元素大小 NumPy 广播 NumPy 算术运算 NumPy 数组加法 NumPy 数组减法 NumPy 数组乘法 NumPy 数组除法

高级数组运算

NumPy 交换数组的轴 NumPy 字节交换 NumPy 副本和视图 NumPy 逐元素数组比较 NumPy 过滤数组 NumPy 连接数组 NumPy 排序、搜索& 计数函数 NumPy 搜索数组 NumPy 数组并集 NumPy 查找唯一行 NumPy 创建日期时间数组 NumPy 二元运算符 NumPy 字符串函数 NumPy 矩阵库 NumPy 线性代数 NumPy Matplotlib NumPy 使用 Matplotlib 绘制直方图

排序和高级操作

NumPy 数组排序 NumPy 沿轴排序 NumPy 使用花式索引进行排序 NumPy 结构化数组 NumPy 创建结构化数组 NumPy 操作结构化数组 NumPy 记录数组 NumPy 加载数组 NumPy 保存数组 NumPy 将值附加到数组 NumPy 交换列数组 NumPy 将轴插入数组

处理缺失数据

NumPy 处理缺失数据 NumPy 识别缺失值 NumPy 移除缺失数据 NumPy 插补缺失值数据

性能优化

NumPy 使用数组进行性能优化

线性代数

NumPy 线性代数 NumPy 矩阵库 NumPy 矩阵加法 NumPy 矩阵减法 NumPy 矩阵乘法 NumPy 逐元素矩阵运算 NumPy 点积 NumPy 矩阵求逆 NumPy 行列式计算 NumPy 特征值 NumPy 特征向量 NumPy 奇异值分解 NumPy 求解线性方程 NumPy 矩阵范数

元素级矩阵运算

NumPy 总和 NumPy 平均值 NumPy 中位数 NumPy 最小值 NumPy 最大值

集合运算

NumPy 唯一元素 NumPy 交集 NumPy 并集 NumPy 差集

随机数生成

NumPy 随机数生成器 NumPy 排列和重排 NumPy 均匀分布 NumPy 正态分布 NumPy 二项分布 NumPy 泊松分布 NumPy 指数分布 NumPy 瑞利分布 NumPy 逻辑分布 NumPy 帕累托分布 NumPy 使用 Seaborn 可视化分布 NumPy 多项分布 NumPy 卡方分布 NumPy Zipf 分布

文件输入 &输出

NumPy 使用 NumPy 进行 I/O NumPy 从文件读取数据 NumPy 将数据写入文件 NumPy 支持的文件格式

数学函数

NumPy 数学函数 NumPy 三角函数 NumPy 指数函数 NumPy 对数函数 NumPy 双曲函数 NumPy 舍入函数

傅里叶变换

NumPy 离散傅里叶变换 (DFT) NumPy 快速傅里叶变换 (FFT) NumPy 逆傅里叶变换 NumPy 傅里叶级数和变换 NumPy 信号处理应用 NumPy 卷积

多项式

NumPy 多项式表示 NumPy 多项式运算 NumPy 求多项式的根 NumPy 求多项式的根

统计

NumPy 统计函数 NumPy 描述性统计

日期时间函数

NumPy 日期和时间基础知识 NumPy 表示日期和时间 NumPy 日期和时间运算 NumPy 使用日期时间进行索引 NumPy 时区处理 NumPy 时间序列分析 NumPy 处理时间增量 NumPy 闰秒处理 NumPy 矢量化日期时间运算

ufunc

NumPy ufunc 简介 NumPy 创建通用函数 (ufunc) NumPy 算术通用函数 (ufunc) NumPy 小数舍入 ufunc NumPy 对数通用函数(ufunc) NumPy 求和通用函数 (ufunc) NumPy 乘积通用函数 (ufunc) NumPy 差分通用函数 (ufunc) NumPy 寻找最小公倍数 (LCM) NumPy 寻找最大公约数 (GCD) NumPy 三角函数 (ufunc) NumPy 双曲线 (ufunc) NumPy 集合运算(ufunc)

实用资源

NumPy 快速指南 NumPy 备忘单


Numpy fromfile() 函数

Numpy fromfile() 函数用于将数据从二进制或文本文件读取到 NumPy 数组中。该函数可以高效地读取已知数据类型的二进制数据,或解析简单格式的文本文件,具体取决于指定的模式。使用 numpy.tofile() 方法写入的数据通常可以使用此函数读回,前提是数据格式匹配。

语法

以下是 Numpy fromfile() 函数的语法 -

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

参数

以下是 Numpy fromfile() 函数的参数 -

  • file:要读取的文件或类似文件的对象。这可以是表示文件路径的字符串,也可以是打开的文件对象。
  • dtype(可选):返回数组的数据类型。默认情况下,它设置为 float,但可以指定为任何 NumPy dtype,例如 intfloat32 等。
  • count(可选):要读取的项目数。如果为 -1(默认值),则将读取文件中的所有项目。
  • sep(可选):从文本文件读取时使用的分隔符。空字符串 ('') 表示二进制模式。字符串(例如逗号或空格)表示文本模式。
  • offset(可选):相对于文件当前位置的偏移量(以字节为单位)。默认情况下,偏移量被赋值为 0。仅适用于二进制文件。
  • like(可选):允许创建一个与输入对象类似的数组,但使用现有的类数组对象(例如另一个 NumPy 数组)。

返回值

该函数返回一个 NumPy 数组,其中包含从文件读取的数据。

示例

以下是使用 Numpy fromfile() 函数从文件读取二进制数据的基本示例 -

import numpy as np
# 为示例创建一个二进制文件
data = np.array([11, 22, 33, 44], dtype=np.int32)
data.tofile('example_data.bin')
# 现在使用 numpy.fromfile() 读取二进制数据
read_data = np.fromfile('example_data.bin', dtype=np.int32)
print("二进制数据:", read_data)

输出

以下是上述代码的输出 -

二进制数据: [11 22 33 44]

示例:读取文本数据

在下面的示例中,我们使用 numpy.fromfile() 函数将文本文件中的数据读取到 NumPy 数组中 -

import numpy as np
# 为示例创建一个文本文件
with open('example_data.txt', 'w') as file:
    file.write('85 25 15 24 9')
   
# 使用 numpy.fromfile() 读取文本数据
read_data = np.fromfile('example_data.txt', dtype=np.float64, sep=' ')
print("文本数据:", read_data)

输出

以下是上述代码的输出 -

文本数据: [85. 25. 15. 24. 9.]

示例:读取特定数量的项目

我们可以指定 count 参数来限制从文件中读取的项目数量。在以下示例中,我们仅从二进制文件中读取前 4 个元素 -

import numpy as np
# 为示例创建二进制文件
data = np.array([18, 80, 24, 99, 56, 45, 79, 31], dtype=np.int32)
data.tofile('example_data.bin')

# 使用 numpy.fromfile() 仅读取前 4 个元素
read_data = np.fromfile('example_data.bin', dtype=np.int32, count=4)
print("读取前 4 个元素:", read_data)

输出

以下是上述代码的输出 -

读取前 4 个元素:[18 80 24 99]

示例:二进制模式 vs. 文本模式

sep 参数为空字符串 (sep='') 时,文件将以二进制模式读取。当 sep 指定为字符(例如空格或逗号)时,文件将以文本模式读取。

在下面的示例中,我们使用 numpy.fromfile() 演示了二进制模式和文本模式读取之间的区别 -

import numpy as np

# 写入一些二进制数据
data = np.array([56, 29, 66, 89, 77], dtype=np.int32)
data.tofile('binary_data.bin')

# 以二进制模式读取
binary_read = np.fromfile('binary_data.bin', dtype=np.int32)
print("以二进制模式读取:", binary_read)

# 写入一些文本数据
with open('text_data.txt', 'w') as file:
    file.write('45, 77, 25, 19, 85, 96')

# 以文本模式读取
text_read = np.fromfile('text_data.txt', dtype=np.int32, sep=',')
print("以文本模式读取:", text_read)

输出

以下是上述代码的输出 -

以二进制模式读取:[56 29 66 89 77]
以文本模式读取:[45 77 25 19 85 96]

numpy_array_creation_routines.html