numpy.fromfile

numpy.fromfile(file, dtype=float, count=-1, sep='')

Создание массива из данных в текстовом или двоичном файле.

Высокоэффективный способ чтения двоичных данных с известным типом данных, а также парсинга просто отформатированных текстовых файлов. Данные, записанные с помощью метода tofile, могут быть прочитаны с помощью этой функции.

Параметры:

file : файл или str Открытый объект файла или имя файла. dtype : тип данных Тип данных возвращаемого массива. Для двоичных файлов используется для определения размера и порядка байтов элементов в файле. count : int Количество элементов для чтения. -1 означает все элементы (т.е. весь файл). sep : str Разделитель между элементами, если файл является текстовым. Пустой ("") разделитель означает, что файл должен обрабатываться как двоичный. Пробелы (" ") в разделителе соответствуют нулю или более пробелам. Разделитель, состоящий только из пробелов, должен соответствовать по крайней мере одному пробелу.

См. также

load, save, ndarray.tofile

loadtxt

Более гибкий способ загрузки данных из текстового файла.

Примечания

Не полагайтесь на комбинацию tofile и fromfile для хранения данных, так как создаваемые двоичные файлы не являются независимыми от платформы. В частности, никакая информация о порядке байтов или типе данных не сохраняется. Данные можно хранить в независимом от платформы формате .npy с помощью save и load вместо этого.

Примеры

Построение массива ndarray:

>>> dt = np.dtype([('time', [('min', int), ('sec', int)]),
...                ('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', '<i4'), ('sec', '<i4')]), ('temp', '<f8')])

Сохранение сырых данных на диск:

>>> import os
>>> fname = os.tmpnam()
>>> x.tofile(fname)

Чтение сырых данных с диска:

>>> np.fromfile(fname, dtype=dt)
array([((10, 0), 98.25)],
      dtype=[('time', [('min', '<i4'), ('sec', '<i4')]), ('temp', '<f8')])

Рекомендуемый способ хранения и загрузки данных:

>>> np.save(fname, x)
>>> np.load(fname + '.npy')
array([((10, 0), 98.25)],
      dtype=[('time', [('min', '<i4'), ('sec', '<i4')]), ('temp', '<f8')])