**

Numpy-输入和输出

二进制文件

• save()、savez()和load()函数以 numpy 专用的二进制类型（npy、npz）保存和读取数据，这三个函数自动处理ndim、dtype、shape等信息。但save()输出的文件很难与其它语言编写的程序兼容。
• npy格式：以二进制方式存储文件，在二进制文件第一行以文本形式保存了数据的元信息（ndim，dtype，shape等）。
• npz格式：以压缩打包的方式存储文件，可以用压缩软件解压。

**
-保存文件 ：numpy.save(file, arr, allow_pickle=True, fix_imports=True) Save an
array to a binary file in NumPy .npy format.

• 加载文件：numpy.load(file, mmap_mode=None, allow_pickle=False,
  fix_imports=True, encoding=‘ASCII’) Load arrays or pickled objects
  from .npy, .npz or pickled files.

• numpy.savez(file, *args, **kwds) Save several arrays into a single
  file in uncompressed .npz format.
  savez()第一个参数file是文件名，其后的参数是需要保存的数组，也可以使用关键字参数为数组起一个名字，非关键字参数传递的数组会自动起名为arr_0, arr_1, …。

  savez()输出的是一个压缩文件（扩展名为npz），其中每个文件都是一个save()保存的npy文件，文件名对应于数组名。load()自动识别npz文件，返回一个类似字典的对象，通过数组名作为关键字获取数组的内容。

可以使用numpy.savez()函数,将多个数组保存到一个文件。

文本文件

savetxt()：存储文本文件；
loadtxt()和genfromtxt()函数用来读取文本文件（TXT，CSV等）。genfromtxt()比loadtxt()更加强大，可对缺失数据进行处理。

- numpy.savetxt(fname, X, fmt=’%.18e’, delimiter=’ ‘, newline=’\n’, header=’’, footer=’’, comments=’# ', encoding=None) Save an array to a text file.

fname：文件路径
X：存入文件的数组。
fmt：写入文件中每个元素的字符串格式，默认’%.18e’（保留18位小数的浮点数形式）。
delimiter：分割字符串，默认以空格分隔。

• numpy.loadtxt(fname, dtype=float, comments=’#’, delimiter=None,
  converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0,
  encoding=‘bytes’, max_rows=None) Load data from a text file.

fname：文件路径。
dtype：数据类型，默认为float。
comments: 字符串或字符串组成的列表，默认为# ， 表示注释字符集开始的标志。
skiprows：跳过的行，一般跳过第一行表头。
usecols：元组（元组内数据为列的数值索引）， 用来指定要读取数据的列（第一列为0）。
unpack：当加载多列数据时是否需要将数据列进行解耦赋值给不同的变量。

文本格式选项
numpy.set_printoptions(precision=None,threshold=None, edgeitems=None,linewidth=None, suppress=None, nanstr=None, infstr=None,formatter=None, sign=None, floatmode=None, **kwarg) Set printing options.
precision：设置浮点精度，控制输出的小数点个数，默认8。
threshold：概略显示，超过该值则以“…”的形式来表示，默认1000。
linewidth：确定每行多少字符数后插入换行符，默认75。
suppress：当suppress=True，表示小数不需要以科学计数法的形式输出，默认是False。
nanstr：浮点非数字的字符串，默认nan。
infstr：浮点无穷大的字符串，默认inf。
These options determine the way floating point numbers, arrays and other NumPy objects are displayed.