我正在尝试将许多numpy文件放到一个大的numpy文件中，我尝试按照这两个链接Append multiple numpy files to one big numpy file in python和Python append multiple files in given order to one big file这就是我所做的：
import matplotlib.pyplot as plt
import numpy as np
import glob
import os, sys
fpath ="/home/user/Desktop/OutFileTraces.npy"
npyfilespath ="/home/user/Desktop/test"
os.chdir(npyfilespath)
with open(fpath,'wb') as f_handle:
for npfile in glob.glob("*.npy"):
# Find the path of the file
filepath = os.path.join(npyfilespath, npfile)
print filepath
# Load file
dataArray= np.load(filepath)
print dataArray
np.save(f_handle,dataArray)
dataArray= np.load(fpath)
print dataArray
我的结果示例：
/home/user/Desktop/Trace=96
[[ 0.01518007 0.01499514 0.01479736 ..., -0.00392216 -0.0039761
-0.00402747]]
[[-0.00824758 -0.0081808 -0.00811402 ..., -0.0077236 -0.00765425
-0.00762086]]
/home/user/Desktop/Trace=97
[[ 0.00614908 0.00581004 0.00549154 ..., -0.00814741 -0.00813457
-0.00809347]]
[[-0.00824758 -0.0081808 -0.00811402 ..., -0.0077236 -0.00765425
-0.00762086]]
/home/user/Desktop/Trace=98
[[-0.00291786 -0.00309509 -0.00329287 ..., -0.00809861 -0.00797789
-0.00784175]]
[[-0.00824758 -0.0081808 -0.00811402 ..., -0.0077236 -0.00765425
-0.00762086]]
/home/user/Desktop/Trace=99
[[-0.00379887 -0.00410453 -0.00438963 ..., -0.03497837 -0.0353842
-0.03575151]]
[[-0.00824758 -0.0081808 -0.00811402 ..., -0.0077236 -0.00765425
-0.00762086]
此行代表第一个跟踪：
[[-0.00824758 -0.0081808 -0.00811402 ..., -0.0077236 -0.00765425
-0.00762086]]
它一直在重复。
两天前我问了第二个问题，起初我认为我得到了最好的答案，但在尝试打印并打印最终文件'OutFileTraces.npy'后，我发现了我的代码：
1 /不打印文件夹'test'中的numpy文件，而不是他们的订单（trace0，trace1，trace2，...）
2 /只保存文件中的最后一个跟踪，我的意思是当打印或绘制OutFileTraces.npy时，我发现只有一个跟踪，它是第一个跟踪。
所以我需要更正我的代码，因为我被阻止了。如果你能帮助我，我将非常感激。
提前致谢。
答案 0 :(得分：3)
Glob生成无序列表。您需要使用额外的行显式排序，因为排序过程就位并且不返回列表。
npfiles = glob.glob("*.npy")
npfiles.sort()
for npfile in npfiles:
...
NumPy文件包含单个数组。如果您想在一个文件中存储多个数组，可以查看.npz np.savez (N_1, N_2)个N_0个文件我还没有广泛使用，所以您可能需要认真考虑的替代品。
如果您的阵列具有相同的形状和存储相关数据，则可以制作更大的阵列。假设当前形状为all_arrays = []
for npfile in npfiles:
all_arrays.append(np.load(os.path.join(npyfilespath, npfile)))
all_arrays = np.array(all_arrays)
np.save(f_handle, all_array)
并且您有(N_0, N_1, N_2)个此类数组。带
OnRowCommand将生成一个形状为<asp:GridView ID="mygridview" runat="server" OnRowCommand="mygridview_OnRowCommand">
答案 1 :(得分：0)
如
所述loading arrays saved using numpy.save in append mode
可以多次保存到打开的文件，并且可以多次加载。这没有记录，可能不是首选，但它的工作原理。 In [777]: with open('multisave.npy','wb') as f:
...: arr = np.arange(10)
...: np.save(f, arr)
...: arr = np.arange(20)
...: np.save(f, arr)
...: arr = np.ones((3,4))
...: np.save(f, arr)
...:
In [778]: ll multisave.npy
-rw-rw-r-- 1 paul 456 Feb 13 08:38 multisave.npy
In [779]: with open('multisave.npy','rb') as f:
...: arr = np.load(f)
...: print(arr)
...: print(np.load(f))
...: print(np.load(f))
...:
[0 1 2 3 4 5 6 7 8 9]
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19]
[[ 1. 1. 1. 1.]
[ 1. 1. 1. 1.]
[ 1. 1. 1. 1.]]
存档是保存多个数组的首选方法。
这是一个玩具示例：
In [780]: traces = [np.arange(10),np.arange(10,20),np.arange(100,110)]
In [781]: traces
Out[781]:
[array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]),
array([10, 11, 12, 13, 14, 15, 16, 17, 18, 19]),
array([100, 101, 102, 103, 104, 105, 106, 107, 108, 109])]
In [782]: arr = np.array(traces)
In [783]: arr
Out[783]:
array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
[ 10, 11, 12, 13, 14, 15, 16, 17, 18, 19],
[100, 101, 102, 103, 104, 105, 106, 107, 108, 109]])
In [785]: np.save('mult1.npy', arr)
In [786]: data = np.load('mult1.npy')
In [787]: data
Out[787]:
array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
[ 10, 11, 12, 13, 14, 15, 16, 17, 18, 19],
[100, 101, 102, 103, 104, 105, 106, 107, 108, 109]])
In [788]: list(data)
Out[788]:
[array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]),
array([10, 11, 12, 13, 14, 15, 16, 17, 18, 19]),
array([100, 101, 102, 103, 104, 105, 106, 107, 108, 109])]
这是一个保存相同形状的数组列表的简单示例
minimum sdk level