一.csv文件的使用和存储

1. CSV (Comma-Separated Value,逗号分隔值)

CSV是一 种常见的文件格式,用来存储批量数据。

1. CSV文件

np.loadtxt(frame,type=np.float, delimiter=None,unpack=False)

• frame: 文件、字符串或产生器,可以是.gz或bz2的压缩文件。

• type:数据类型,可选。

• delimiter:分割字符串,默认是任何空格。

• unpack: 如果True,读入属性将分别写入不同变量

3.CSV文件局限性

• CSv只能有效存储一维和二维数组

• np.savetxt(np.loadtxt0只能有效存取一维和二维数组

二.多维数据的存取

1.a.tofile(frame, sep=', format=1%s')

• frame:文件、字符串。

• sep:数据分割字符串,如果是空串,写入文件为二进制

• format: 写人数据的格式。

2.np.fromfile(firame, dtype=float, count=-1,sep=")

• frame:文件、字符串。

• dtype:读取的数据类型。

• count:读入元素个数,-1表示读入整个文件。

• sep:数据分割字符串,如果是空串,写入文件为二进制

3.需要注意

该方法需要读取时知道存入文件时数组的维度和元素类型

a.toile()和np.fromfile()需要配合使用，可以通过元数据文件来存储额外信息

4.NumPy的便捷文件存取

np.save(finame, gray)或np.save(name,gray)

• frame: 文件名,以.npy为扩展名,压缩扩展名为.npz

• array:数组变量

np.load(finame)

文件名,以.npy为扩展名,压缩扩展名为.npz

三.Numpy 函数的使用

1. numpy的随机函数子库

• rand(d0,d1,...,dn)：根据d0-dn创建随机数数组,浮点数,[0,1),均匀分布

• randn(d0,d1,...,dn)：根据d0-dn创建随机数数组,标准正态分布

• randing(low,.high,shape)：根据shape创建随机整数或整数数组,范围是[low,high)

• seed(s):随机数种子,s是给定的种子值

• shufle(a)：根据数组a的第1轴进行随排列,改变数组x

• permutation(a)：根据数组a的第1轴产生一个新的乱序数组,不改变数组

• choice(a[,size.replace.p])：从一维数组a中以概率p抽取元素,形成size形状新数组，replace表示是否可以重用元素,默认为False

• uniform(1low.high,size)：产生具有均匀分布的数组,low起始值,high结束值,size形状

• normal(loc,scale,size)：产生具有正态分布的数组,loc均值,scale标准差,size形状

• poisson(lam,size)：产生具有泊松分布的数组,lam随机事件发生率,size形状

1. numpy的统计函数

• sum(a,axis=None)：根据给定轴axis算数组a相关元素之和,axis整数或元组

• mean(a,axis=None)：根据给定轴axis计算数组a相关元素的期望,axis整数或元组

• average(a,axis=None,weights=None)：根据给定轴axis算数组:a相关元素的加权平均值

• std(a,axis=None)：根据给定轴axis算数组:a相关元素的标准差

• var(a,axis=None)：根据给定轴axisi算数组:a相关元素的方差

• min(a)max(a)：计算数组a中元素的最小值、最大值

• argmin(a)argmax(a)：计算数组a中元素最小值、最大值的降一维后下标

• unravel_ index(index, shape)： 根据shape将一维下标index转换成多维下标

• ptp(a)：计算数组a中元素最大值与最小值的差

• median(a)：计算数组a中元素的中位数(中值)

1. numpy的梯度函数

nmp.gradient(0f)：计算数组冲元素的梯度,当多维时,返回每个维度梯度

梯度:连续值之间的变化率,即斜率。

XY坐标轴连续三个X坐标对应的Y轴值:a,b,c, 其中,b的梯度是:(c-a)/2