Дамп массива NumPy в CSV-файл

Question

Есть ли способ вывести массив NumPy в файл CSV?У меня есть двумерный массив NumPy, и мне нужно создать дамп в удобочитаемом формате.

Answer 1

numpy.savetxt сохраняет массив в текстовый файл.

import numpy
a = numpy.asarray([ [1,2,3], [4,5,6], [7,8,9] ])
numpy.savetxt("foo.csv", a, delimiter=",")

Answer 2

Вы можете использовать pandas.Требуется дополнительная память, так что это не всегда возможно, но очень быстро и просто в использовании.

import pandas as pd 
pd.DataFrame(np_array).to_csv("path/to/file.csv")

, если вам не нужен заголовок или индекс, используйте to_csv("/path/to/file.csv", header=None, index=None)

Answer 3

tofile - это удобная функция для этого:

import numpy as np
a = np.asarray([ [1,2,3], [4,5,6], [7,8,9] ])
a.tofile('foo.csv',sep=',',format='%10.5f')

На странице руководства есть несколько полезных заметок:

Это удобнофункция для быстрого хранения данных массива.Информация о порядке байтов и точности теряется, поэтому этот метод не является хорошим выбором для файлов, предназначенных для архивирования данных или передачи данных между компьютерами с различным порядком байтов.Некоторые из этих проблем могут быть преодолены путем вывода данных в виде текстовых файлов за счет скорости и размера файла.

Примечание.Эта функция не создает многострочные CSV-файлы, она сохраняет все в одну строку.

Answer 4

Запись массивов записей в виде CSV-файлов с заголовками требует немного больше работы.

В этом примере читается CSV-файл с заголовком в первой строке, а затем записывается тот же файл.

import numpy as np

# Write an example CSV file with headers on first line
with open('example.csv', 'w') as fp:
    fp.write('''\
col1,col2,col3
1,100.1,string1
2,222.2,second string
''')

# Read it as a Numpy record array
ar = np.recfromcsv('example.csv')
print(repr(ar))
# rec.array([(1, 100.1, 'string1'), (2, 222.2, 'second string')], 
#           dtype=[('col1', '<i4'), ('col2', '<f8'), ('col3', 'S13')])

# Write as a CSV file with headers on first line
with open('out.csv', 'w') as fp:
    fp.write(','.join(ar.dtype.names) + '\n')
    np.savetxt(fp, ar, '%s', ',')

Обратите внимание, что в этом примере строки с запятыми не рассматриваются.Чтобы учесть кавычки для нечисловых данных, используйте пакет csv:

import csv

with open('out2.csv', 'wb') as fp:
    writer = csv.writer(fp, quoting=csv.QUOTE_NONNUMERIC)
    writer.writerow(ar.dtype.names)
    writer.writerows(ar.tolist())

Answer 5

Как уже говорилось, лучший способ выгрузить массив в файл CSV - использовать метод .savetxt(...).Тем не менее, есть определенные вещи, которые мы должны знать, чтобы сделать это правильно.

Например, если у вас есть массив numpy с dtype = np.int32 как

   narr = np.array([[1,2],
                 [3,4],
                 [5,6]], dtype=np.int32)

и вы хотите сохранить, используя savetxt как

np.savetxt('values.csv', narr, delimiter=",")

Это будет хранитьданные в экспоненциальном формате с плавающей запятой как

1.000000000000000000e+00,2.000000000000000000e+00
3.000000000000000000e+00,4.000000000000000000e+00
5.000000000000000000e+00,6.000000000000000000e+00

Вам необходимо изменить форматирование, используя параметр fmt как

np.savetxt('values.csv', narr, fmt="%d", delimiter=",")

, чтобы сохранить данные в исходном формате

Сохранение данных в сжатом формате gz

Кроме того, savetxt можно использовать для хранения данных в сжатом формате .gz, что может быть полезно при передаче данных по сети.

Нам просто нужно изменить расширение файла на .gz, и numpy позаботится обо всем автоматически

np.savetxt('values.gz', narr, fmt="%d", delimiter=",")

Надеюсь, это поможет

Answer 6

, если вы хотите написать в столбце:

    for x in np.nditer(a.T, order='C'): 
            file.write(str(x))
            file.write("\n")

Здесь 'a' - это имя массива numpy, а 'file' - это переменная для записи в файл.

Если вы хотите написать в строке:

    writer= csv.writer(file, delimiter=',')
    for x in np.nditer(a.T, order='C'): 
            row.append(str(x))
    writer.writerow(row)

Answer 7

Я полагаю, что вы также можете сделать это довольно просто следующим образом:

1. Преобразовать массив Numpy в кадр данных Pandas
2. Сохранить как CSV

например# 1:

    # Libraries to import
    import pandas as pd
    import nump as np

    #N x N numpy array (dimensions dont matter)
    corr_mat    #your numpy array
    my_df = pd.DataFrame(corr_mat)  #converting it to a pandas dataframe

например, № 2:

    #save as csv 
    my_df.to_csv('foo.csv', index=False)   # "foo" is the name you want to give
                                           # to csv file. Make sure to add ".csv"
                                           # after whatever name like in the code

Answer 8

В Python мы используем модуль csv.writer () для записи данных в файлы csv.Этот модуль аналогичен модулю csv.reader ().

import csv

person = [['SN', 'Person', 'DOB'],
['1', 'John', '18/1/1997'],
['2', 'Marie','19/2/1998'],
['3', 'Simon','20/3/1999'],
['4', 'Erik', '21/4/2000'],
['5', 'Ana', '22/5/2001']]

csv.register_dialect('myDialect',
delimiter = '|',
quoting=csv.QUOTE_NONE,
skipinitialspace=True)

with open('dob.csv', 'w') as f:
    writer = csv.writer(f, dialect='myDialect')
    for row in person:
       writer.writerow(row)

f.close()

Разделитель - это строка, используемая для разделения полей.Значением по умолчанию является запятая (,).

Answer 9

Вы также можете сделать это с чистым питоном без использования каких-либо модулей.

# format as a block of csv text to do whatever you want
csv_rows = ["{},{}".format(i, j) for i, j in array]
csv_text = "\n".join(csv_rows)

# write it to a file
with open('file.csv', 'w') as f:
    f.write(csv_text)

Answer 10

Если вы хотите сохранить массив numpy (например, your_array = np.array([[1,2],[3,4]])) в одну ячейку, вы можете сначала преобразовать его с помощью your_array.tolist().

Затем сохранить его обычным способом в одну ячейку с помощью delimiter=';' и ячейка в csv-файле будет выглядеть следующим образом [[1, 2], [2, 4]]

Тогда вы можете восстановить свой массив следующим образом: your_array = np.array(ast.literal_eval(cell_string))