目录
- 技术背景
- 使用方法
- 完整示例
- 结果解析
- 总结概要
- 版权声明
技术背景
一般情况下我们会选择使用明文形式来存储数据,如json、txt、csv等等。如果是需要压缩率较高的存储格式,还可以选择使用hdf5或者npz等格式。还有一种比较紧凑的数据存储格式,就是直接按照二进制格式存储。这种格式下,存储的数据之间没有间隔符,在没有压缩的情况下应该是体积最小的存储类型。
使用方法
在python中,我们可以使用numpy.tofile()功能,直接将numpy数组类型存储到一个二进制文件中。读取的时候,虽然可以直接使用open(file_name, 'rb')来进行读取,但是为了适配大量IO的场景,这里我们使用内存映射mmap的形式来进行数据读取。
完整示例
如下是一个完整的示例代码,相关的功能直接用注释的形式在代码中标记:
import numpy as np import mmap import resource # 获取页数据量大小(单位:字节) PAGE_SIZE = resource.getpagesize() # 定义单精度浮点数数据占用字节(单位:字节) DATA_SIZE = 4 # 计算页存储编程客栈数据数量(num_float32) PAGE_FNUM = int(PAGE_SIZE/DATA_SIZE) print ("The PAGE_SIZE is: {}".format(PAGE_SIZE)) print ("Corresponding float32 numbers should be: {}".format(PAGE_FNUM)) # 生成示例数据,使用PAGE_FNUM+4大小的数据量定义两页数据 tmp_arr = np.arange(PAGE_FNUM+4).astype(np.float32) # 数据存www.devze.com储路径 tmp_file = '/tmp/tmp.dat' # 将数组存储到二进制文件中 tmp_arr.tofile(tmp_file) # 每次从二进制文件中读取4个数据 READ_NUM = 4 with open(tmp_file, 'rb') as file: # 第一页数据的内存映射 mm = mmap.mmap(file.filenwww.devze.como(), 0, Access=mmap.ACCESS_READ, offset=0) # 第一页数据的1、2、3、4位数据 print (np.frombuffer(mm.read(DATA_SIZE*READ_NUM), dtype='<f4')) # 第一页数据的5、6、7、8位数据 print (np.frombuffer(mm.read(DATA_SIZE*READ_NUM), dtype='<f4')) # 第二页数据的内存映射 mm = mmap.mmap(file.fileno(), 0, access=mmap.ACCESS_READ, offset=PAGE_SIZE) # 第二页数据的1~4位数据 print (np.frombuffer(mm.read(DATA_SIZE*READ_NUM), dtype='<f4')) # 第二页数据的5~8位数据 print (np.frombuffer(mm.read(DATA_SIZE*READ_NUM), dtype='<f4')) # 关闭内存映射 mm.close() # 退出文件IO
该脚本的输出结果为:
The PAGE_SIZE is: 4096
Co编程rresponding float32 numbers should be: 1024[0. 1. 2. 3.][4. 5. 6. 7.][1024. 1025. 1026. 1027.][]
结果解析
我们打印的第一个数据是页大小,这里显示是4096个字节。而一个单精度浮点数占4个字节,所以一页存了1024个单精度浮点数,也就是第二个打印输出的结果。由于我们定义的numpy数组是一个从0开始的递增数组,因此第一页数据的前8位数字就是从0到7。而第二页的数据是1024~1027一共4个浮点数,占16个字节。所以我们在第二页第二次使用numpy.frombuffer()去读取数据的时候,得到的是一个空的数组。此外我们可以查看一下这个二进制文件的大小:
In [1]: import os In [2]: os.path.getsize('/tmp/tmp.dat') Out[2]: 4112
一共是4112个字节,刚好是4096+16个字节。
总结概要
本文介绍了一种在Python中将Numpy数组转存为一个紧凑的二进制格式的文件,及其使用内存映射的形式进行读取的方案。一个二进制的数据流,不仅可以更加方便页形式的内存映射,相比于传统SasBlrgVz的Numpy单精度浮点数数组还有一个可哈希的特性。总体来说是一个对于高性能计算十分友好的存储格式,在cudASPONGE中作为一个分子动力学模拟轨迹输出的格式使用。
版权声明
本文首发链接为:https://www.cnblogs.com/dechinphy/p/dat.html
作者ID:DechinPhy
更多原著文章:https://www.cnblogs.com/dechinphy/
请博主喝咖啡:https://www.cnblogs.com/dechinphy/gallery/image/379634.html
到此这篇关于Python存储与读写二进制文件的文章就介绍到这了,更多相关Python读写二进制文件内容请搜索编程客栈(www.devze.com)以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程客栈(www.devze.com)!
精彩评论