这个专栏名为《Numpy从入门到精通》，顾名思义，是记录自己学习numpy的学习过程，也方便自己之后复盘！为深度学习的进一步学习奠定基础！希望能给大家带来帮助，爱睡觉的咋祝您生活愉快！ 这一篇介绍《Numpy从入门到精通——存读矩阵以及读取矩阵中的数据》

一、利用savetxt、loadtxt存读矩阵

在np中也提供了能直接将矩阵存储成txt文件的函数，以及将txt文件读取成为矩阵的函数loadtxt，下面我们将详细介绍这两个函数：

函数	说明
savetxt	将np.ndarray存储在txt文件中
loadtxt	txt文件中的矩阵读取到np.ndarray中

通过savetxt存储矩阵，通过loadtxt读取矩阵：

#!/usr/bin/env python
# -*- coding: UTF-8 -*-
"""
@Project ：numpy学习 
@File    ：task_8.py
@IDE     ：PyCharm 
@Author  ：咋
@Date    ：2023/4/17 16:45 
"""
import numpy as np
array_1 = np.random.random([5,5]) # 创建一个5x5的矩阵
print(array_1)
# 保存矩阵
np.savetxt(X=array_1,fname="test.txt")
array_2= np.loadtxt("test.txt")
print(array_2)

输出为：

[[0.55288088 0.77184344 0.8309328  0.55396012 0.62182447]
 [0.76018218 0.75927817 0.6210175  0.35243527 0.23502823]
 [0.80056504 0.33167949 0.21276266 0.28230738 0.93320109]
 [0.28639089 0.78890919 0.42325923 0.3815833  0.71751376]
 [0.72839721 0.45384038 0.4945789  0.36863601 0.21875081]]
[[0.55288088 0.77184344 0.8309328  0.55396012 0.62182447]
 [0.76018218 0.75927817 0.6210175  0.35243527 0.23502823]
 [0.80056504 0.33167949 0.21276266 0.28230738 0.93320109]
 [0.28639089 0.78890919 0.42325923 0.3815833  0.71751376]
 [0.72839721 0.45384038 0.4945789  0.36863601 0.21875081]]

txt中的文件为：

可以看到np能够成功将矩阵存储到txt文件中，也能够将txt中的文件读取到程序中。

二、读取维度为1的矩阵数据

在上一篇中，我们主要介绍了np生成矩阵，当生成了矩阵之后，我们应该怎么去读取我们需要的数据呢？接下来通过一段代码介绍一下几种常用的获取ndarray中的数据的方法：
创建一个维度为1的矩阵，用于后面的实验：

@Project ：numpy学习 
@File    ：task_9.py
@IDE     ：PyCharm 
@Author  ：咋
@Date    ：2023/4/17 17:04 
"""
import numpy as np
np.random.seed(2023)
array_1 = np.random.random([10])
print(array_1)

输出：

[0.3219883  0.89042245 0.58805226 0.12659609 0.14134122 0.46789559
 0.02208966 0.72727471 0.52438734 0.54493524]

2.1 获取指定位置的数据

#获取指定位置的数据，获取第4个元素
print(array_1[3])

输出：

0.12659609350429124

2.2截取一段数据

print(array_1[3:6])

输出：

[0.12659609 0.14134122 0.46789559]

2.3间隔取数据

#截取固定间隔数据
print(array_1[1:6:2])

输出：

[0.89042245 0.12659609 0.46789559]

2.4倒序取数

#倒序取数
print(array_1[::-2])

输出：

[0.54493524 0.72727471 0.46789559 0.12659609 0.89042245]

三、读取多维矩阵数据

我们以维度为2的矩阵举例，其他高维矩阵也是类似的，首先创建一个维度为2的矩阵用以后面的实验：

array_2=np.arange(25).reshape([5, 5])
print(array_2)

输出：

[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]
 [20 21 22 23 24]]

3.1截取一个多维数组的一个区域内数据

print(array_2[1:3, 1:3])

输出：

[[ 6  7]
 [11 12]]

3.2截取一个多维数组中，数值在一个值域之内的数据

print(array_2[(array_2 > 3) & (array_2 < 10)])

输出：

[4 5 6 7 8 9]

3.3指定的行截取多维数组

print(array_2[[1, 2]])

输出：

[[ 5  6  7  8  9]
 [10 11 12 13 14]]

3.4指定的列截取多维数组

print(array_2[:, 1:3])

输出：

[[ 1  2]
 [ 6  7]
 [11 12]
 [16 17]
 [21 22]]

这个索引与python里面的range所有非常相似，由start，end和step组成，注意end不包括。

四、choice函数抽取数据

除了用上述办法通过索引来提取元素，我们还可以通过choice函数来从目标矩阵中随机提取数据：

#!/usr/bin/env python
# -*- coding: UTF-8 -*-
"""
@Project ：numpy学习 
@File    ：task_10.py
@IDE     ：PyCharm 
@Author  ：咋
@Date    ：2023/4/17 17:29 
"""
import numpy as np
from numpy import random as nr
a = np.arange(1, 25, dtype=float)
c1 = nr.choice(a, size=(3, 4))  # size指定输出数组形状
c2 = nr.choice(a, size=(3, 4), replace=False)  # replace默认为True，即可重复抽取。
# 下式中参数p指定每个元素对应的抽取概率，默认为每个元素被抽取的概率相同。
c3 = nr.choice(a, size=(3, 4), p=a / np.sum(a))
print("随机可重复抽取")
print(c1)
print("随机但不重复抽取")
print(c2)
print("随机但按制度概率抽取")
print(c3)

输出：

D:\anaconda\python.exe D:/桌面/numpy学习/task_10.py
300.0
随机可重复抽取
[[14. 22. 20. 11.]
 [ 6. 18. 15. 21.]
 [ 3. 19. 23.  3.]]
随机但不重复抽取
[[ 6. 17. 13. 24.]
 [ 5. 20. 19. 12.]
 [10.  2. 21. 23.]]
随机但按制度概率抽取
[[19. 18. 24. 11.]
 [ 5.  7. 11. 20.]
 [10. 15. 16. 20.]]

前两个都好解释，size是抽取的矩阵大小，replace是能不能重复抽取，我们重点说一下参数p,也就是抽取的概率。这里 p=a / np.sum(a)，也就是数值越大，抽到的概率越高。