Как записать матрицу в файл python

Чтение матрицы из .txt файла

Мой код:

with open('m.txt') as file: file = file.read() q = file.replace(' ', '') # убираю лишние пробелы f1 = q[0:8] # в переменную f1 сохраняю первую строку f2 = q[9:16] # в f2 - вторую строку f3 = q[17:24] f4 = q[25:32] f5 = q[33:40] f6 = q[41:48] 

В правильном ли я направлении иду и как быть дальше?

Отслеживать

12.5k 7 7 золотых знаков 19 19 серебряных знаков 48 48 бронзовых знаков

задан 28 окт 2018 в 14:29

309 2 2 золотых знака 9 9 серебряных знаков 18 18 бронзовых знаков

f = open(‘m.txt, ‘r’) matrix = [line.replace(«\n», «»).split() for line in f]

28 окт 2018 в 14:34

3 ответа 3

Сортировка: Сброс на вариант по умолчанию

1 2 3 4 5 6 7 8 8 7 9 6 5 4 1 2 1 2 0 1 4 8 7 5 4 5 2 3 6 9 8 7 0 1 2 3 0 1 2 5 2 1 4 5 6 9 8 7 1 2 5 4 7 8 5 2 10 1 2 4 5 6 9 8 

In [5]: with open('matrix.txt') as f: . matrix = [list(map(int, row.split())) for row in f.readlines()] . In [6]: matrix Out[6]: [[1, 2, 3, 4, 5, 6, 7, 8], [8, 7, 9, 6, 5, 4, 1, 2], [1, 2, 0, 1, 4, 8, 7, 5], [4, 5, 2, 3, 6, 9, 8, 7], [0, 1, 2, 3, 0, 1, 2, 5], [2, 1, 4, 5, 6, 9, 8, 7], [1, 2, 5, 4, 7, 8, 5, 2], [10, 1, 2, 4, 5, 6, 9, 8]] In [7]: matrix.reverse() In [8]: matrix Out[8]: [[10, 1, 2, 4, 5, 6, 9, 8], [1, 2, 5, 4, 7, 8, 5, 2], [2, 1, 4, 5, 6, 9, 8, 7], [0, 1, 2, 3, 0, 1, 2, 5], [4, 5, 2, 3, 6, 9, 8, 7], [1, 2, 0, 1, 4, 8, 7, 5], [8, 7, 9, 6, 5, 4, 1, 2], [1, 2, 3, 4, 5, 6, 7, 8]] 

Ну и запись в другой файл соответственно:

In [14]: with open('output.txt', 'w') as f: . for row in matrix: . f.write(' '.join(map(str, row)) + '\n') 

Как записать матрицу в файл python

Изучаю Python.
ОС Winows 10 (64)
Python 3.6.1
NumPu 1.12.1 ставил через pip.

При работе с модулем NumPy столкнулся с такой проблемой:
При записи массива в текстовый файл (5 строк, 2 столбца):

fhou = open(ouf, 'wt') np.savetxt(fhou, MyMatr, fmt='% .5f')

Выдается сообщение вида:
TypeError: Mismatch between array dtype (‘float64’) and format specifier (‘% .5f % .5f’)
В сети нашел ответ (годичной давности), из которого следует, что файл следует открывать в бинарной моде или перейти на NumPy 1.11.1:

fhou = open(ouf, 'wb') np.savetxt(fhou, MyMatr, fmt='% .5f')

Попробовал. Да, работает, но массив пишется строкой, без разбивки на столбцы (как бы хотелось).
Возможно кто то решал этот вопрос?
Поделитесь информацией.
И да, в NumPy 1.11.1 это будет работать?

Регистрация: 23.10.2010
Сообщений: 2,287

Редактировать свой пост видимо поздно.
ОС Winows 10 (64)
Перепроверил и переустановил Python.
Была установлена 32-бит версия. Установил 64-бит.
Теперь:
Python 3.6.1 (64-bit)
NumPu 1.13.0 (64-bit)

При записи матрицы (например, массив 3х3) в текстовый файл, если файл открыт как текстовый:

fhou = open(ouf, 'wt') np.savetxt(fhou, MyMatr)

Как и прежде выдается сообщение вида:
TypeError: Mismatch between array dtype (‘float64’) and format specifier (‘%.18e %.18e %.18e’)
Так получается, что мой массив имеет тип float64, и этот тип не совпадает с заданным по умолчанию.
Но если изменить тип данных на другой — такая же фигня.

Ответ в сетях годичной давности.
В нем рекомендуют открывать файл в бинарной моде.

fhou = open(ouf, 'wb') np.savetxt(fhou, MyMatr)

И это по-прежнему работает в новых условиях.
Но дело в том, что данные записываются в одну строку, даже если задать параметр delimiter = ‘\n’.

И тут дело не в том, что можно писать через write() и формировать нужный вид в текстовом файле. Это просто и получается нормально.
Но вот в NumPy есть и такой вариант, когда можно инициализировать массив, прочитав данные из форматированного текстового файла. Например:

MyMatr1 = np.loadtxt(fh_i, dtype=np.float, ndmin = 1) print(MyMatr1)

И это работает хорошо.
Но при чтении такого файла надо заранее знать из чего же он был сделан .

Возможно, что я сильно не .
Возможно, что этот метод, хотя и позиционируется как для сохранения в текстовом файле, так и не должен работать?
В этом я сильно сомневаюсь. Но я новичок и .

Запись массива NumPy в файл CSV

Часто перед аналитиками данных и исследователями встает задача сохранения результатов в формате, который удобен для чтения и дальнейшего использования.

Алексей Кодов
Автор статьи
7 июля 2023 в 16:48

Часто перед аналитиками данных и исследователями встает задача сохранения результатов в формате, который удобен для чтения и дальнейшего использования. Одним из таких форматов является CSV (Comma-Separated Values) — текстовый формат, который используется для представления табличных данных. Каждая строка в таком файле — это строка таблицы, а столбцы разделяются запятой.

Рассмотрим типичный пример. Предположим, что был произведен расчет или анализ данных, и результаты этих действий хранятся в двумерном массиве NumPy. Теперь эти данные нужно сохранить в файле CSV для дальнейшего использования, например, для анализа в других программах.

Для записи массива NumPy в файл CSV можно использовать функцию numpy.savetxt . Эта функция сохраняет двумерный массив в текстовый файл. В качестве первого аргумента функция принимает имя файла, в который будет произведена запись. Вторым аргументом является массив, который нужно записать. Также можно указать разделитель (по умолчанию пробел), который будет использоваться для отделения значений в строке.

Пример записи массива в CSV-файл:

import numpy as np # Создаем двумерный массив array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) # Записываем массив в файл CSV np.savetxt("array.csv", array, delimiter=",")

После выполнения этого кода в корневой директории проекта появится файл array.csv , содержащий данные из массива array . Если открыть файл, то увидим следующее:

1.000000000000000000e+00,2.000000000000000000e+00,3.000000000000000000e+00 4.000000000000000000e+00,5.000000000000000000e+00,6.000000000000000000e+00 7.000000000000000000e+00,8.000000000000000000e+00,9.000000000000000000e+00 

Если требуется записать данные в более читаемом формате, можно использовать параметр fmt функции numpy.savetxt , который позволяет указать формат данных. Например, %d для целых чисел и %.2f для чисел с плавающей точкой с двумя знаками после запятой:

np.savetxt("array.csv", array, delimiter=",", fmt="%d")

Теперь в файле array.csv хранятся данные в следующем виде:

1,2,3 4,5,6 7,8,9 

Итак, функция numpy.savetxt является удобным инструментом для сохранения двумерных массивов NumPy в файлы CSV.

Матрицы в Python и массивы NumPy

Матрица — это двухмерная структура данных, в которой числа расположены в виде строк и столбцов. Например:

Эта матрица является матрицей три на четыре, потому что она состоит из 3 строк и 4 столбцов.

Обновлено: 2023-06-17 20:46:41 Вадим Дворников автор материала

Матрицы в Python

Python не имеет встроенного типа данных для матриц. Но можно рассматривать список как матрицу. Например:

A = [[1, 4, 5], [-5, 8, 9]]

Этот список является матрицей на 2 строки и 3 столбца.

Обязательно ознакомьтесь с документацией по спискам Python, прежде чем продолжить читать эту статью.

Давайте посмотрим, как работать с вложенным списком.

A = [[1, 4, 5, 12], [-5, 8, 9, 0], [-6, 7, 11, 19]] print("A =", A) print("A[1] =", A[1]) # вторая строка print("A[1][2] =", A[1][2]) # третий элемент второй строки print("A[0][-1] =", A[0][-1]) # последний элемент первой строки column = []; # пустой список for row in A: column.append(row[2]) print("3rd column 1" data-ab-test="post_related" data-ab-key="yarpp">
Как работают массивы в Python?

A = [[1, 4, 5, 12], [-5, 8, 9, 0], [-6, 7, 11, 19]] A [1] = [-5, 8, 9, 0] A [1] [2] = 9 A [0] [- 1] = 12 3-й столбец = [5, 9, 11]

import numpy as np A = np.array([[1, 2, 3], [3, 4, 5]]) print(A) A = np.array([[1.1, 2, 3], [3, 4, 5]]) # Массив чисел с плавающей запятой print(A) A = np.array([[1, 2, 3], [3, 4, 5]], dtype = complex) # Массив составных чисел print(A)

[[1 2 3] [3 4 5]] [[1.1 2. 3.] [3. 4. 5.]] [[1. + 0.j 2. + 0.j 3. + 0.j] [3. + 0.j 4. + 0.j 5. + 0.j]]

import numpy as np zeors_array = np.zeros( (2, 3) ) print(zeors_array) ''' Вывод: [[0. 0. 0.] [0. 0. 0.]] ''' ones_array = np.ones( (1, 5), dtype=np.int32 ) // указание dtype print(ones_array) # Вывод: [[1 1 1 1 1]]

import numpy as np A = np.arange(4) print('A =', A) B = np.arange(12).reshape(2, 6) print('B =', B) ''' Вывод: A = [0 1 2 3] B = [[ 0 1 2 3 4 5] [ 6 7 8 9 10 11]] '''

import numpy as np A = np.array([[2, 4], [5, -6]]) B = np.array([[9, -3], [3, 6]]) C = A + B # сложение соответствующих элементов print(C) ''' Вывод: [[11 1] [ 8 0]] '''

import numpy as np A = np.array([[3, 6, 7], [5, -3, 0]]) B = np.array([[1, 1], [2, 1], [3, -3]]) C = a.dot(B) print(C) ''' Вывод: [[ 36 -12] [ -1 2]] '''

import numpy as np A = np.array([[1, 1], [2, 1], [3, -3]]) print(A.transpose()) ''' Вывод: [[ 1 2 3] [ 1 1 -3]] '''

import numpy as np A = np.array([2, 4, 6, 8, 10]) print("A[0] =", A[0]) # Первый элемент print("A[2] =", A[2]) # Третий элемент print("A[-1] highlight" data-hscroll>
A [0] = 2 A [2] = 6 A [-1] = 10
Теперь выясним, как получить доступ к элементам двухмерного массива (который в основном представляет собой матрицу).
import numpy as np A = np.array([[1, 4, 5, 12], [-5, 8, 9, 0], [-6, 7, 11, 19]]) # Первый элемент первой строки print("A[0][0] =", A[0][0]) # Третий элемент второй строки print("A[1][2] =", A[1][2]) # Последний элемент последней строки print("A[-1][-1] highlight" data-hscroll>
A [0] [0] = 1 A [1] [2] = 9 A [-1] [- 1] = 19
Доступ к строкам матрицы
import numpy as np A = np.array([[1, 4, 5, 12], [-5, 8, 9, 0], [-6, 7, 11, 19]]) print("A[0] =", A[0]) # Первая строка print("A[2] =", A[2]) # Третья строка print("A[-1] highlight" data-hscroll>
A [0] = [1, 4, 5, 12] A [2] = [-6, 7, 11, 19] A [-1] = [-6, 7, 11, 19]
Доступ к столбцам матрицы
import numpy as np A = np.array([[1, 4, 5, 12], [-5, 8, 9, 0], [-6, 7, 11, 19]]) print("A[:,0] =",A[:,0]) # Первый столбец print("A[:,3] =", A[:,3]) # Четвертый столбец print("A[:,-1] highlight" data-hscroll>
A [:, 0] = [1 -5 -6] A [:, 3] = [12 0 19] A [:, - 1] = [12 0 19]
Если вы не знаете, как работает приведенный выше код, прочтите раздел "Разделение матрицы".
Разделение матрицы
Разделение одномерного массива NumPy аналогично разделению списка. Рассмотрим пример:
import numpy as np letters = np.array([1, 3, 5, 7, 9, 7, 5]) # с 3-го по 5-ый элементы print(letters[2:5]) # Вывод: [5, 7, 9] # с 1-го по 4-ый элементы print(letters[:-5]) # Вывод: [1, 3] # с 6-го до последнего элемента print(letters[5:]) # Вывод:[7, 5] # с 1-го до последнего элемента print(letters[:]) # Вывод:[1, 3, 5, 7, 9, 7, 5] # список в обратном порядке print(letters[::-1]) # Вывод:[5, 7, 9, 7, 5, 3, 1]
Теперь посмотрим, как разделить матрицу.
import numpy as np A = np.array([[1, 4, 5, 12, 14], [-5, 8, 9, 0, 17], [-6, 7, 11, 19, 21]]) print(A[:2, :4]) # две строки, четыре столбца ''' Вывод: [[ 1 4 5 12] [-5 8 9 0]] ''' print(A[:1,]) # первая строка, все столбцы ''' Вывод: [[ 1 4 5 12 14]] ''' print(A[:,2]) # все строки, второй столбец ''' Вывод: [ 5 9 11] ''' print(A[:, 2:5]) # все строки, с третьего по пятый столбец ''' Вывод: [[ 5 12 14] [ 9 0 17] [11 19 21]] '''
Использование NumPy вместо вложенных списков значительно упрощает работу с матрицами. Мы рекомендуем детально изучить пакет NumPy, если вы планируете использовать Python для анализа данных.
Вадим Дворников автор-переводчик статьи « Python Matrices and NumPy Arrays »


Похожие публикации:

Guide lead в чем разница
Как вставить мешок в пылесос samsung
Как определить сигнатуру файла
Как скачать аудиокнигу на айфон