numpy.fromfile#

numpy.fromfile(файл, dtype=float, count=-1, sep='', смещение=0, *, как=None)#

Создать массив из данных в текстовом или бинарном файле.

Высокоэффективный способ чтения двоичных данных с известным типом данных, а также разбора просто форматированных текстовых файлов. Данные, записанные с использованием tofile метод можно прочитать с помощью этой функции.

Параметры:

файлфайл или str или Path: Открытый файловый объект, строка, содержащая имя файла, или объект Path. При чтении из файлового объекта он должен поддерживать произвольный доступ (т.е. должен иметь методы tell и seek).
dtypeтип данных: Тип данных возвращаемого массива. Для бинарных файлов используется для определения размера и порядка байтов элементов в файле. Поддерживаются большинство встроенных числовых типов, а также могут поддерживаться расширенные типы.
countint: Количество элементов для чтения. -1 означает все элементы (т.е., полный файл).
sepstr: Разделитель между элементами, если файл является текстовым файлом. Пустой разделитель ("") означает, что файл должен обрабатываться как двоичный. Пробелы (" ") в разделителе соответствуют нулю или более пробельным символам. Разделитель, состоящий только из пробелов, должен соответствовать хотя бы одному пробельному символу.
смещениеint: Смещение (в байтах) от текущей позиции файла. По умолчанию 0. Разрешено только для бинарных файлов.
какarray_like, необязательный: Объект-ссылка, позволяющий создавать массивы, которые не являются массивами NumPy. Если массивоподобный объект, переданный как like поддерживает __array_function__ протокол, результат будет определен им. В этом случае он гарантирует создание объекта массива, совместимого с переданным через этот аргумент.

Новое в версии 1.20.0.

Смотрите 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, не сохраняется информация о порядке байтов или типе данных. Данные могут храниться в независимом от платформы .npy формат с использованием save и load вместо этого.

Примеры

Создайте ndarray:

>>> import numpy as np
>>> 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', '

Сохранить сырые данные на диск:

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

Прочитать исходные данные с диска:

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

Рекомендуемый способ хранения и загрузки данных:

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