AskOverflow.Dev

AskOverflow.Dev Logo AskOverflow.Dev Logo

AskOverflow.Dev Navigation

  • Início
  • system&network
  • Ubuntu
  • Unix
  • DBA
  • Computer
  • Coding
  • LangChain

Mobile menu

Close
  • Início
  • system&network
    • Recentes
    • Highest score
    • tags
  • Ubuntu
    • Recentes
    • Highest score
    • tags
  • Unix
    • Recentes
    • tags
  • DBA
    • Recentes
    • tags
  • Computer
    • Recentes
    • tags
  • Coding
    • Recentes
    • tags
Início / coding / Perguntas / 78841693
Accepted
linkey apiacess
linkey apiacess
Asked: 2024-08-07 11:10:05 +0800 CST2024-08-07 11:10:05 +0800 CST 2024-08-07 11:10:05 +0800 CST

escrever e ler dados binários em python

  • 772

Estou tentando escrever uma matriz de dados em um arquivo binário com a intenção de acessar posteriormente esse arquivo para localizar dados. Procurei online e encontrei vários métodos para salvar dados usando df.to_pickle, struct.pack, np.to_bytes(). Agora vem a parte de lê-lo. Encontrei outros posts solicitando leitura, mas até agora nenhum ajudou na recuperação dos dados. Tenho a impressão de que isso pode ter a ver com a forma como comprimo os dados.

formato de dados

      0      1      2     3     .      .      .    n
0   
1  -0.111 
2   0.84   0.1
3   0.25   0.6   -0.2
.
.
.
n

Este é um conjunto de dados de comparação, portanto, no cruzamento das variáveis, é 1. Devido a restrições de alocação de memória e tamanho dos dados, resultou na geração de uma tabela de dados como esta em um arquivo de texto. Armazenar na memória não foi possível porque n pode ser muito grande.

Para converter para binário, leio cada linha do texto, converto os valores para o formato correto e uso numpy.array.tobytes()

save_path = Path(save_loc)
save_data = save_path.open()
with load_data_path.open() as data_chunk:
    for idx, data in enumerate(data_chunk,0):
        if idx == 0:
           save_data.write(b"\n")
           continue
        dlist = data.strip("\n").split(",")
        d_array = [np.float64(x) for x in dlist]
        save_data.write(d_array.tobytes())
save_data.close()

para ler os dados, tentei usar np.frombuffer e struct.unpack mas ambos resultaram em erros. Além disso, pelo que entendi, a leitura colocaria todos os dados na memória, o que não funcionaria para os meus dados. Optei por abrir o binário usando path, localizando a linha e lendo diretamente. Aqui está o código

find_line = 7984
load_data = Path(data_loc)
with load_data.open("rb") as data_chunk:
     for idx, data in enumerate(data_chunk,0):
         if idx < find_line:
              continue
         else:
              my_line = np.frombuffer(data, "f", idx)
              break

isso, no entanto, resulta em um erro

ValueError: buffer is smaller than requested size

editar: Após uma investigação mais aprofundada, encontrei três problemas em meu código. 1 é que minha formatação estava incorreta ao usar o frombuffer. Como codifico como np.float64, chamar "f" tenta retornar um float32.

a segunda é que presumi que escrever o arquivo binário manteria os blocos de escrita (com um "\n" como delimitador para cada bloco), mas este não é o caso, pois quando tentei olhar minhas primeiras linhas, cada uma delas tinha 2.000 bits quando deveriam ter apenas ~ 16.

finalmente, parece que "\n" está sendo adicionado em algum lugar do processo, pois ao carregar mais abaixo na lista, encontro mais valores "\n" que dividem os bytes. Eu deveria ter cerca de 60.000 bytes para serem carregados, mas uma quebra de linha retorna apenas cerca de 2.500 bytes

python
  • 1 1 respostas
  • 72 Views

1 respostas

  • Voted
  1. Best Answer
    Mark Tolonen
    2024-08-07T13:03:55+08:002024-08-07T13:03:55+08:00

    Em um arquivo binário, o b'\n'caractere (valor de byte 0x0A) pode ocorrer nos dados flutuantes binários, portanto, delimitadores não são necessários ou desejados.

    De acordo com os comentários esclarecedores na pergunta do OP, cada linha (numerada de 0) contém colunas "line#". A numpy.float64tem 8 bytes de comprimento. Leia os bytes "line# * 8" e acompanhe o número da linha.

    Use csv.readerpara simplificar a leitura da entrada.

    input.csv (exemplo, observe a primeira linha em branco intencional):

    
    -4.0
    -3.0,-2.875
    -2.0,-1.875,-1.75
    -1.0,-0.875,-0.75,-0.625
    0.0,0.125,0.25,0.375,0.5
    1.0,1.125,1.25,1.375,1.5,1.625
    2.0,2.125,2.25,2.375,2.5,2.625,2.75
    3.0,3.125,3.25,3.375,3.5,3.625,3.75,3.875
    4.0,4.125,4.25,4.375,4.5,4.625,4.75,4.875,5.0
    

    Código (Python 3.12):

    import csv
    import numpy as np
    
    # Convert data to binary file.
    # Row 0 writes nothing.
    # Row 1 writes one 8-byte float.
    # Row 2 writes two 8-byte floats.
    # etc.
    with (
        open('input.csv', newline='') as fin,
        open('output.bin', 'wb') as fout
    ):
        reader = csv.reader(fin)
        for row in reader:
            data = np.array(row, dtype=np.float64)
            fout.write(data.tobytes())
    
    # Find and display specific line in the file as float64 values.
    find_line = 5  # int(input(line))  # ask for line
    line = 0
    row = b''      # Initialize to handle row 0 case
    
    with open('output.bin', 'rb') as fin:
        # line 0 is empty so skip read
        # Read until nothing is read after that.
        while line==0 or (row := fin.read(8 * line)):  # float64 size(8) times number of columns in line
            if line < find_line:
                line += 1
            else:
                my_line = np.frombuffer(row, dtype=np.float64)
                print(my_line)
                break
        else:
            print('not found')
    

    Saída:

    [0.    0.125 0.25  0.375 0.5  ]
    
    • 2

relate perguntas

  • Como divido o loop for em 3 quadros de dados individuais?

  • Como verificar se todas as colunas flutuantes em um Pandas DataFrame são aproximadamente iguais ou próximas

  • Como funciona o "load_dataset", já que não está detectando arquivos de exemplo?

  • Por que a comparação de string pandas.eval() retorna False

  • Python tkinter/ ttkboostrap dateentry não funciona quando no estado somente leitura

Sidebar

Stats

  • Perguntas 205573
  • respostas 270741
  • best respostas 135370
  • utilizador 68524
  • Highest score
  • respostas
  • Marko Smith

    Vue 3: Erro na criação "Identificador esperado, mas encontrado 'import'" [duplicado]

    • 1 respostas
  • Marko Smith

    Por que esse código Java simples e pequeno roda 30x mais rápido em todas as JVMs Graal, mas não em nenhuma JVM Oracle?

    • 1 respostas
  • Marko Smith

    Qual é o propósito de `enum class` com um tipo subjacente especificado, mas sem enumeradores?

    • 1 respostas
  • Marko Smith

    Como faço para corrigir um erro MODULE_NOT_FOUND para um módulo que não importei manualmente?

    • 6 respostas
  • Marko Smith

    `(expression, lvalue) = rvalue` é uma atribuição válida em C ou C++? Por que alguns compiladores aceitam/rejeitam isso?

    • 3 respostas
  • Marko Smith

    Quando devo usar um std::inplace_vector em vez de um std::vector?

    • 3 respostas
  • Marko Smith

    Um programa vazio que não faz nada em C++ precisa de um heap de 204 KB, mas não em C

    • 1 respostas
  • Marko Smith

    PowerBI atualmente quebrado com BigQuery: problema de driver Simba com atualização do Windows

    • 2 respostas
  • Marko Smith

    AdMob: MobileAds.initialize() - "java.lang.Integer não pode ser convertido em java.lang.String" para alguns dispositivos

    • 1 respostas
  • Marko Smith

    Estou tentando fazer o jogo pacman usando apenas o módulo Turtle Random e Math

    • 1 respostas
  • Martin Hope
    Aleksandr Dubinsky Por que a correspondência de padrões com o switch no InetAddress falha com 'não cobre todos os valores de entrada possíveis'? 2024-12-23 06:56:21 +0800 CST
  • Martin Hope
    Phillip Borge Por que esse código Java simples e pequeno roda 30x mais rápido em todas as JVMs Graal, mas não em nenhuma JVM Oracle? 2024-12-12 20:46:46 +0800 CST
  • Martin Hope
    Oodini Qual é o propósito de `enum class` com um tipo subjacente especificado, mas sem enumeradores? 2024-12-12 06:27:11 +0800 CST
  • Martin Hope
    sleeptightAnsiC `(expression, lvalue) = rvalue` é uma atribuição válida em C ou C++? Por que alguns compiladores aceitam/rejeitam isso? 2024-11-09 07:18:53 +0800 CST
  • Martin Hope
    The Mad Gamer Quando devo usar um std::inplace_vector em vez de um std::vector? 2024-10-29 23:01:00 +0800 CST
  • Martin Hope
    Chad Feller O ponto e vírgula agora é opcional em condicionais bash com [[ .. ]] na versão 5.2? 2024-10-21 05:50:33 +0800 CST
  • Martin Hope
    Wrench Por que um traço duplo (--) faz com que esta cláusula MariaDB seja avaliada como verdadeira? 2024-05-05 13:37:20 +0800 CST
  • Martin Hope
    Waket Zheng Por que `dict(id=1, **{'id': 2})` às vezes gera `KeyError: 'id'` em vez de um TypeError? 2024-05-04 14:19:19 +0800 CST
  • Martin Hope
    user924 AdMob: MobileAds.initialize() - "java.lang.Integer não pode ser convertido em java.lang.String" para alguns dispositivos 2024-03-20 03:12:31 +0800 CST
  • Martin Hope
    MarkB Por que o GCC gera código que executa condicionalmente uma implementação SIMD? 2024-02-17 06:17:14 +0800 CST

Hot tag

python javascript c++ c# java typescript sql reactjs html

Explore

  • Início
  • Perguntas
    • Recentes
    • Highest score
  • tag
  • help

Footer

AskOverflow.Dev

About Us

  • About Us
  • Contact Us

Legal Stuff

  • Privacy Policy

Language

  • Pt
  • Server
  • Unix

© 2023 AskOverflow.DEV All Rights Reserve