使用 numpy numpy 将矩阵保存在 txt 文件中时出错

Posted 2023-03-12

【中文标题】使用 numpy numpy 将矩阵保存在 txt 文件中时出错

【英文标题】：getting error to save the Matrix in txt file using numpy numpy

【发布时间】：2017-09-10 21:21:56

【问题描述】：

我已经编写了这段代码来创建一个数组=>

import numpy as np
a = np.array([[[1,3],[1,4]],[[1,4],[6,9]]])
np.savetxt('test.txt',a,fmt='%d')

并得到这个错误 =>

Traceback（最近一次调用最后一次）：文件 “/usr/local/lib/python3.4/dist-packages/numpy-1.11.2-py3.4-linux-x86_64.egg/numpy/lib/npyio.py”， 第 1158 行，在 savetxt 中 fh.write(asbytes(format % tuple(row) + newline)) TypeError: %d format: a number is required, not numpy.ndarray

在处理上述异常的过程中，又发生了一个异常：

Traceback（最近一次调用最后一次）：文件“”，第 1 行，in 文件 “/usr/local/lib/python3.4/dist-packages/numpy-1.11.2-py3.4-linux-x86_64.egg/numpy/lib/npyio.py”， 第 1162 行，在 savetxt 中 % (str(X.dtype), format)) TypeError: 数组 dtype ('int64') 和格式说明符 ('%d %d') 不匹配

如何使用 numpy 将数组保存为文件中的整数？

【问题讨论】：

您希望输出文件采用什么样的结构？你能发布你想要的吗？

@roganjosh 我想将该矩阵保存在该 txt 文件中

您有一个 3d 数组，请尝试保存 a.reshape(-1, 2)。 np.savetxt('test.txt',a.reshape(-1,2),fmt='%d')

好的，谢谢你帮助我。完美的@Psidom

【参考方案1】：

%d format: a number is required, not numpy.ndarray

基本上你不能在对象/类/what-have-you 上使用格式字符串；它需要一个数字，而不是一个数字数组

将数组转换为可打印的字符串。同样，您不能真正将整数保存在文件中，只能将字符串保存在文件中。

您需要做的是获取数组中的每一行并将其写入文件，类似于以下内容：

to_write = ''
for small_list in list_of_lists:
    to_write += ''.join(small_list, ',') + "\n"
my_file.write(to_write)

【讨论】：

如果我想加载这个矩阵我会怎么做？？

【参考方案2】：

我不确定你想要什么样的输出......

你可以这样做

F = open('test.txt', 'w')
for i in a:
    for j in i:
        line = '%s \t %s \n'%(j[0], j[1])
        F.write(line)

F.close()

会给你

1 3

1 4

1 4

6 9

【讨论】：

如果我想加载这个矩阵我会怎么做？？

那么你可以使用numpy.genfromtxt('test.txt')

请不要因为@Psidom 的评论会以更 numpythonic 的方式给你与我的提议相同的建议

是的，但是您已经发布了从文件加载矩阵非常困难的帖子。但是如果我使用那个，那很好，因为 numpy 中有一个函数 loadtxt()。那我为什么要用这个

numpy.genfromtxt()和numpy.loadtxt()的区别可以看there

【参考方案3】：

这个问题有个老帖子

Saving numpy array to csv produces TypeError Mismatch

如果您检查，您的数组是导致问题的 3D 数组

1.如果您将其转换为 2D，它将起作用

将 numpy 导入为 np a = np.array([[[1,3],[1,4]],[[1,4],[6,9]]]) np.savetxt('test.txt',a.reshape(-1,a.shape[-1]),fmt="%d")

2。如果你一次写一行，它也可以工作

但这会在回读时出现问题

我的建议，写成dict/json，看完后转成numpy