Entrada i sortida

Aquesta lliçó presenta les funcions bàsiques de NumPy per a desar i carregar arrays des de i cap a fitxers.

Desar i carregar arrays binaris

NumPy ofereix un format de fitxer binari anomenat NPY que és l'estàndard per a desar arrays de NumPy de manera eficient.

• La funció numpy.save(file, arr) desa un array a un fitxer binari amb l'extensió .npy. Aquí, file és el nom del fitxer (o un objecte fitxer) on es desarà l'array i arr és l'array que es vol desar.

• La funció numpy.load(file) carrega les dades d'un fitxer .npy (o un altre format binari de NumPy) i retorna l'array que conté. Aquí, file és el nom del fitxer (o un objecte fitxer) del qual es vol carregar l'array.

Aquest és un exemple d'ús bàsic:

import numpy as np

# Crear un array
arr = np.arange(5)

# Desar l'array en un fitxer binari
np.save('el_meu_array.npy', arr)

# Carregar l'array
arr_carregat = np.load('el_meu_array.npy')
print(arr_carregat) # [0 1 2 3 4]

Format comprimit

Quan es necessita desar múltiples arrays en un sol fitxer, NumPy proporciona un format basat en un arxiu ZIP que conté diversos fitxers .npy, un per a cada array.

• La funció numpy.savez(file, *args, **kwds) desa múltiples arrays en un fitxer d'arxiu no comprimit amb l'extensió .npz. Els arrays es poden passar com a arguments posicionals (sense nom) o com a arguments de paraula clau (amb un nom). Si no es proporciona un nom, se'ls assignen noms per defecte com 'arr_0', 'arr_1', etc.

• La funció numpy.savez_compressed(file, *args, **kwds) és similar a savez(), però comprimeix els arrays dins de l'arxiu, la qual cosa és útil per a dades grans o arrays dispersos.

Per carregar fitxers .npz, també s'utilitza la funció numpy.load(file). Aquesta funció retorna un objecte NpzFile que actua com un diccionari, on les claus són els noms dels arrays.

# Crear dos arrays
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])

# Desar els dos arrays en un fitxer .npz
np.savez('dos_arrays.npz', array_a=a, array_b=b)

# Carregar l'arxiu .npz
dades = np.load('dos_arrays.npz')

# Accedir als arrays pel seu nom
print(dades['array_a'])  # Sortida: [1 2 3]
print(dades['array_b'])  # Sortida: [4 5 6]

Formats de text

NumPy també permet intercanviar dades amb fitxers de text pla (com ara CSV o TSV), tot i que és menys eficient que els formats binaris. En aquest cas sóon útils les funcions següents:

• numpy.savetxt(fname, X, fmt='%.18e', delimiter=' ') desa un array (o una seqüència d'arrays 1D) a un fitxer de text.

  • fname: Nom del fitxer.
  • X: Array 1D o 2D que es vol desar.
  • fmt: Format del nombre a escriure (per defecte notació científica).
  • delimiter: Caràcter que separa les columnes (per defecte un espai).

• numpy.loadtxt(fname, dtype=float, delimiter=None) carrega dades des d'un fitxer de text.

  • fname: Nom del fitxer.
  • dtype: Tipus de dades dels elements de l'array resultant.
  • delimiter: Caràcter separador de columnes.

• numpy.genfromtxt(fname, dtype=float, delimiter=None, missing_values=None) és una funció més robusta per carregar dades des de fitxers de text.

La principal avantatge de genfromtxt() respecte a loadtxt() és la seva capacitat per gestionar dades que falten (missing data), permetent especificar com s'han de representar aquests valors (per defecte, es converteixen a NaN). També pot inferir el tipus de dades per a cada columna de manera independent.

Resum de formats

Format	Funció	Ús	Avantatges	Inconvenients
Binari (.npy)	save(), load()	Desar un sol array	Ràpid, eficient en espai, preserva exactament el dtype i la forma de l'array.	No és llegible per humans, requereix NumPy per a la càrrega.
Binari comprimit (.npz)	savez(), savez_compressed()	Desar múltiples arrays	Ràpid, permet agrupar arrays, compressió disponible.	No és llegible per humans.
Text (.csv, .txt)	savetxt(), loadtxt(), genfromtxt()	Interoperabilitat amb altres eines/programes.	Llegible per humans, fàcil d'inspeccionar.	Més lent, menys eficient en espai, la conversió de tipus de dades pot ser ambigua o inexacta.

Jordi Petit
Lliçons.jutge.org
© Universitat Politècnica de Catalunya, 2025