numpy.fromfile

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

Построение массива из данных в текстовом или двоичном файле.

Высокоэффективный способ чтения двоичных данных с известным типом данных, а также анализа просто отформатированных текстовых файлов. Данные, записанные с помощью метода tofile, можно прочитать с помощью этой функции.

Параметры

fileфайл или str или Path

Объект открытого файла или имя файла.

Изменено в версии 1.17.0: pathlib.Path объекты теперь принимаются.

dtypeтип данных

Тип данных возвращаемого массива. Для двоичных файлов используется для определения размера и порядка байтов элементов в файле. Поддерживаются большинство встроенных числовых типов, и могут поддерживаться расширенные типы.

Новое в версии 1.18.0: Сложные типы данных.

countint

Количество элементов для чтения. -1 означает все элементы (т.е. весь файл).

sepstr

Разделитель между элементами, если файл является текстовым. Пустой ("") разделитель означает, что файл должен рассматриваться как двоичный. Пробелы (" ") в разделителе соответствуют нулю или более пробелам. Разделитель, состоящий только из пробелов, должен соответствовать по крайней мере одному пробелу.

offsetint

Смещение (в байтах) от текущей позиции файла. По умолчанию 0. Допускается только для двоичных файлов.

Новое в версии 1.17.0.

likearray_like

Объект ссылки для создания массивов, которые не являются массивами NumPy. Если переданный в качестве like массив-подобный объект поддерживает протокол __array_function__, результат будет определен им. В этом случае он гарантирует создание объекта массива, совместимого с переданным через этот аргумент.

Новое в версии 1.20.0.

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 сгенерированные двоичные файлы не являются независимыми от платформы. В частности, никакая информация о порядке байтов или типе данных не сохраняется. Данные могут быть сохранены в независимом от платформы формате .npy с помощью save и load вместо этого.

Примеры

Построение массива ndarray:

>>> 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')])

Сохранение исходных данных на диске:

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

Чтение исходных данных с диска:

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

Рекомендуемый способ хранения и загрузки данных:

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