如何使用`np.fromfile`从二进制文件读取连续数组？

Question

我想用Python读取二进制文件，其确切布局存储在二进制文件本身中。

该文件包含一个二维数组序列，每个数组的行和列尺寸在其内容之前存储为一对整数。 我想连续读取文件中包含的所有数组。

我知道可以使用f = open("myfile", "rb")和f.read(numberofbytes)此操作，但是这很笨拙，因为随后我需要将输出转换为有意义的数据结构。 我想用numpy的的np.fromfile与自定义dtype ，但还没有找到一种方法来读取文件的一部分，离开它打开，然后继续修改读取dtype 。

我知道我可以f.seek(numberofbytes, os.SEEK_SET)使用os来f.seek(numberofbytes, os.SEEK_SET)和np.fromfile ，但这将意味着在文件中不必要的跳转。

简而言之，我想要MATLAB的fread （或至少类似C ++ ifstream read东西）。

做这个的最好方式是什么？

Answer 1

您可以将打开的文件对象传递给np.fromfile ，读取第一个数组的尺寸，然后读取数组的内容（再次使用np.fromfile ），并对同一文件中的其他数组重复该过程。

例如：

import numpy as np
import os

def iter_arrays(fname, array_ndim=2, dim_dtype=np.int, array_dtype=np.double):

    with open(fname, 'rb') as f:
        fsize = os.fstat(f.fileno()).st_size

        # while we haven't yet reached the end of the file...
        while f.tell() < fsize:

            # get the dimensions for this array
            dims = np.fromfile(f, dim_dtype, array_ndim)

            # get the array contents
            yield np.fromfile(f, array_dtype, np.prod(dims)).reshape(dims)

用法示例：

# write some random arrays to an example binary file
x = np.random.randn(100, 200)
y = np.random.randn(300, 400)

with open('/tmp/testbin', 'wb') as f:
    np.array(x.shape).tofile(f)
    x.tofile(f)
    np.array(y.shape).tofile(f)
    y.tofile(f)

# read the contents back
x1, y1 = iter_arrays('/tmp/testbin')

# check that they match the input arrays
assert np.allclose(x, x1) and np.allclose(y, y1)

如果阵列很大，可以考虑使用np.memmap与offset=代替参数np.fromfile得到数组的内容作为存储器映射，而不是将它们载入RAM。