數據處理的時候主要通過兩個函數

(1):np.save(“test.npy”，數據結構） ----存數據

(2):data =np.load(’test.npy') ----取數據

給2個例子如下（存列表）

1、

z = [[[1, 2, 3], [’w’]], [[1, 2, 3], [’w’]]]np.save(’test.npy’, z)x = np.load(’test.npy’)x:->array([[list([1, 2, 3]), list([’w’])], [list([1, 2, 3]), list([’w’])]], dtype=object)

2、存字典

x-> {0: ’wpy’, 1: ’scg’}np.save(’test.npy’,x)x = np.load(’test.npy’)x->array({0: ’wpy’, 1: ’scg’}, dtype=object)

3、在存為字典格式讀取后，需要先調用如下語句

data.item()

將數據numpy.ndarray對象轉換為dict

補充知識：python讀取mat或npy文件以及將mat文件保存為npy文件（或npy保存為mat）的方法

讀取mat文件并存為npy格式文件

具體見代碼，注意h5py的轉置問題

import numpy as npfrom scipy import iomat = io.loadmat(’yourfile.mat’)# 如果報錯:Please use HDF reader for matlab v7.3 files# 改為下一種方式讀取import h5pymat = h5py.File(’yourfile.mat’)# mat文件里可能有多個cell，各對應著一個dataset# 可以用keys方法查看cell的名字, 現在要用list(mat.keys()),# 另外，讀取要用data = mat.get(’名字’), 然后可以再用Numpy轉為arrayprint(mat.keys())# 可以用values方法查看各個cell的信息print(mat.values())# 可以用shape查看維度信息print(mat[’your_dataset_name’].shape)# 注意，這里看到的shape信息與你在matlab打開的不同# 這里的矩陣是matlab打開時矩陣的轉置# 所以，我們需要將它轉置回來mat_t = np.transpose(mat[’your_dataset_name’])# mat_t 是numpy.ndarray格式# 再將其存為npy格式文件np.save(’yourfile.npy’, mat_t)

npy文件的讀取很簡單

import numpy as np

matrix = np.load(’yourfile.npy’)

可以重新讀取npy文件保存為mat文件

方法一（在MATLAB雙擊打開時遇到了錯誤：Unable to read MAT-file *********.mat. Not a binary MAT-file. Try load -ASCII to read as text. ）：

import numpy as npmatrix = np.load(’yourfile.npy’)f = h5py.File(’yourfile.mat’, ’w’)f.create_dataset(’dataname’, data=matrix)# 這里不會將數據轉置

方法二（使用scipy）：

from scipy import iomat = np.load(’rlt_gene_features.npy-layer-3-train.npy’)io.savemat(’gene_features.mat’, {’gene_features’: mat})

以上這篇Python 存取npy格式數據實例就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持好吧啦網。