今天來學習numpy讀取文件和保存文件的兩個函數。
因為后面的機器學習我們需要從各種文件之中載入數據到numpy中，所以這兩個函數尤為重要，我對這兩個函數的每個參數都有詳細講解，但是還是希望大家親自試一下。要想學好機器學習，這兩個函數必須學會、
本次的eye1.txt文件由程序自動創建，eye2.txt文件需要我們自己創建。
eye2.txt內容如下：

11,12,13,14
21,22,23,24
31,32,33,34
41,42,43,44

實驗的全部代碼如下：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Author  : SundayCoder-俊勇
# @File    : numpy5.py
import numpy as np
# numpy基本學習第五課
# 今天學習numpy中的一些基本函數
a=np.eye(3,4)
print a
# 輸出結果：
# [[ 1.  0.  0.  0.]
#  [ 0.  1.  0.  0.]
#  [ 0.  0.  1.  0.]]
# 1、將矩陣a保存到一個txt文件之中。
# numpy.savetxt(fname, X, fmt=’%.18e’,delimiter=’ ‘, newline=’\n’, header=’‘, footer=’‘, comments=’#‘)
# 作用：把一個矩陣保存到一個文件之中。
# 參數解釋：
# fname : 存儲的文件名和格式 例如：eye.txt
# X : 要存儲的矩陣
# header='header', header就是存儲文件第一行要添加的數據。
# footer='footer'，footer就是存儲文件最后一行要添加的數據。
# comments參數的作用如下：
# 試一下：np.savetxt("eye1.txt",b,newline='\n',header='header', footer='footer', comments='@@@#')
# 文件eye1.txt的內容如下：

# @@@#header
# 1.000000000000000000e+00 0.000000000000000000e+00 0.000000000000000000e+00 0.000000000000000000e+00
# 0.000000000000000000e+00 1.000000000000000000e+00 0.000000000000000000e+00 0.000000000000000000e+00
# 0.000000000000000000e+00 0.000000000000000000e+00 1.000000000000000000e+00 0.000000000000000000e+00
# 0.000000000000000000e+00 0.000000000000000000e+00 0.000000000000000000e+00 1.000000000000000000e+00
# @@@#footer

# 例子：
np.savetxt("eye1.txt",a)
# 注意這個函數是每次保存會把之前文件的內容刪掉。
# 例子，保存完a之后再保存b。則文件里面只有b
b=np.identity(4)
np.savetxt("eye1.txt",b)

# 文件內容只有b：

# 1.000000000000000000e+00 0.000000000000000000e+00 0.000000000000000000e+00 0.000000000000000000e+00
# 0.000000000000000000e+00 1.000000000000000000e+00 0.000000000000000000e+00 0.000000000000000000e+00
# 0.000000000000000000e+00 0.000000000000000000e+00 1.000000000000000000e+00 0.000000000000000000e+00
# 0.000000000000000000e+00 0.000000000000000000e+00 0.000000000000000000e+00 1.000000000000000000e+00



# 2、讀取文件函數
# numpy.loadtxt(fname, dtype=<type ‘float’>, comments=’#’, delimiter=None, converters=None,
# skiprows=0, usecols=None, unpack=False, ndmin=0)
# 作用是：Load data from a text file.
#        Each row in the text file must have the same number of values.
# [文件的格式可以是csv和txt，實際上讀取這兩個文件使用的最多]。
# csv是一些數據庫文件的后綴名，在實際的機器學習中經常使用。
# 主要參數解釋如下：
# fname：讀取文件的文件名。例如eye2.txt。
# delimiter：數據之間的分隔符。如使用逗號","。
# dtype：數據類型。如float，str等。
# usecols：選取數據的列。
# unpack=True 意思是分拆存儲不同列的數據分開存儲。
   # unpack : bool, optional
   # If True, the returned array is transposed, so that arguments may be unpacked using
   # x, y, z = loadtxt(...). When used with a structured data-type, arrays are
   # returned for each field. Default is False.
   # 也就是說選取幾列就必須有個變量與之對應,如下面選取第一列存儲在c,第二列存儲在v
# skiprows=1  跳過表頭那一行,再例如:skiprows=[0, 2]) # 跳過文件第一行和第三行

# 其中eye2.txt文件內容如下：
# 11,12,13,14
# 21,22,23,24
# 31,32,33,34
# 41,42,43,44

c,v=np.loadtxt('eye2.txt',delimiter=',',usecols=(0,1),dtype=int,unpack=True,skiprows=1)
print c
print v

# 輸出結果:
# [21 31 41]
# [22 32 42]



# 這里主要說一下usecols的用法。
# 如果選取eye2.txt中的前4列，則usecols=(0,1,2,3)。
# 如果取第5列這一列，則usecols=(4,)。
# 這種取單一列的情況容易出問題，請大家多注意。

# 整個語句如下：
# loadtxt("eye2.txt" , delimiter = "," , usecols=(0,1,2,3) , dtype=str)
# loadtxt("eye2.txt" , delimiter = "," , usecols=(4,) , dtype=str)

# 來試一下unpack=False的情況.
k=np.loadtxt('eye2.txt',delimiter=',',usecols=(0,1),dtype=int,unpack=False,skiprows=1)
print k
# 輸出結果為:
# [[21 22]
#  [31 32]
#  [41 42]]

所有的輸出結果如下：

[[ 1.  0.  0.  0.]
 [ 0.  1.  0.  0.]
 [ 0.  0.  1.  0.]]
[21 31 41]
[22 32 42]
[[21 22]
 [31 32]
 [41 42]]

更新完畢##