在科学计算的过程中，往往需要保存一些数据，也经常需要把保存的这些数据加载到程序中，在 Matlab 中我们可以用 save 和 lood 函数很方便的实现。类似的在 Python 中，我们可以用 numpy.save() 和 numpy.load() 函数达到类似的效果，并且还可以用 scipy.io.savemat() 将数据保存为 .mat 格式，用scipy.io.loadmat() 读取 .mat 格式的数据，达到可以和 Matlab 或者Octave 进行数据互动的效果.

下面分别介绍之：

numpy.save() 和 numpy.load()numpy.save(arg_1,arg_2) 需要两个参数，arg_1 是文件名，arg_2 是要保存的数组. 如：import numpy as npa=np.mat(‘1,2,3;4,5,6‘)b=np.array([[1,2,3],[4,5,6]])np.save(‘a.npy‘,a)np.save(‘b.npy‘,b)

• 这个时候 Python 的当前工作路径下就会多出 a.npy 和 b.npy 两个文件，当然我们也可以给出具体的路径，如 np.save(‘D:/PythonWork/a.npy‘,a)

  下面我们把保存的这两个数据文件导入到Python :

  data_a=np.load(‘a.npy‘)data_b=np.load(‘b.npy‘)print (‘data_a \n‘,data_a,‘\n the type is‘,type(data_a))print (‘data_b \n‘,data_a,‘\n the type is‘,type(data_b)) data_a[[1 2 3][4 5 6]]the type is <class ‘numpy.ndarray‘> data_b[[1 2 3][4 5 6]]the type is <class ‘numpy.ndarray‘>

• 我们可以看到这一过程把原本为矩阵的 a 变为数组型了

  如果想同时保存 a b 到同一个文件，我们可以用 np.savez() 函数，具体用法如下：

  np.savez(‘ab.npz‘,k_a=a,k_b=b)c=np.load(‘ab.npz‘)print (c[‘k_a‘])print (c[‘k_b‘]) [[1 2 3][4 5 6]] [[1 2 3][4 5 6]]

   

• 这时的 c 是一个字典，需要通过关键字取出我们需要的数据

  下面我们来认识下 scipy.io.savemat() 和 scipy.io.loadmat()

  首先我们用 scipy.io.savemat() 创建 .mat 文件，该函数有两个参数,一个文件名和一个包含变量名和取值的字典.
  

  import numpy as npfrom scipy import ioa=np.mat(‘1,2,3;4,5,6‘)b=np.array([[1,1,1],[2,2,2]])io.savemat(‘a.mat‘, {‘matrix‘: a})io.savemat(‘b.mat‘, {‘array‘: b})

   

   

   

• 至此 Python 的当前工作路径下就多了 a.mat 和 b.mat 这两个文件.

  下面我们用 Matlab 读取这两个文件

  

  可以看到 Matlab 已成功读取 Python 生成的 .mat 文件.

  我们在来看看 Python 是怎么读取 .mat 文件的。首先来读取刚才生成的 a.mat

  c=io.loadmat(‘a.mat‘)print (type(c))print (c) dict{‘__version__‘: ‘1.0‘, ‘__globals__‘: [], ‘__header__‘: b‘MATLAB 5.0 MAT-file Platform: nt, Created on: Tue Aug 4 16:49:28 2015‘, ‘a_matrix‘: array([[1, 2, 3],[4, 5, 6]])}

• 所以 Python 读取.mat 文件后返回的是个字典，如果要访问里面的值，就要用到关键字，如:
  

  print(c[‘a_matrix‘]) [[1 2 3][4 5 6]]

   

   

   

• 当然了，Python 也可以读取 Matlab 创建的 .mat 文件，从而可以把他们设置在同一工作路径下，在必要的时候进行数据的共享.

Python中数据的保存和读取