{
 "cells": [
  {
   "cell_type": "markdown",
   "id": "ab82ed77",
   "metadata": {},
   "source": [
    "# Dateieingabe und -ausgabe mit Arrays\n",
    "\n",
    "NumPy ist in der Lage, Daten in einigen Text- oder Binärformaten auf der Festplatte zu speichern und von dort zu laden. In diesem Abschnitt gehe ich jedoch nur auf das NumPy-eigene Binärformat ein, da meist pandas oder andere Werkzeuge zum Laden von Text- oder Tabellendaten verwendet werden (siehe [Daten lesen, speichern und bereitstellen](../../data-processing/index.rst)).\n",
    "\n",
    "`np.save` und `np.load` sind die beiden wichtigsten Funktionen zum effizienten Speichern und Laden von Array-Daten auf der Festplatte. Arrays werden standardmäßig in einem unkomprimierten Rohbinärformat mit der Dateierweiterung `.npy` gespeichert:"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 1,
   "id": "87d74bba",
   "metadata": {
    "execution": {
     "iopub.execute_input": "2026-05-21T17:20:21.625120Z",
     "iopub.status.busy": "2026-05-21T17:20:21.624893Z",
     "iopub.status.idle": "2026-05-21T17:20:21.670117Z",
     "shell.execute_reply": "2026-05-21T17:20:21.669808Z",
     "shell.execute_reply.started": "2026-05-21T17:20:21.625101Z"
    }
   },
   "outputs": [],
   "source": [
    "import numpy as np\n",
    "\n",
    "\n",
    "rng = np.random.default_rng()\n",
    "data = rng.random((7, 3))\n",
    "\n",
    "np.save(\"my_data\", data)"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "9ce05e9b",
   "metadata": {},
   "source": [
    "Wenn der Dateipfad nicht bereits auf `.npy` endet, wird die Erweiterung angehängt. Das Array auf der Festplatte kann dann mit `np.load` geladen werden:"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 2,
   "id": "d8e5a54f",
   "metadata": {
    "execution": {
     "iopub.execute_input": "2026-05-21T17:20:21.670518Z",
     "iopub.status.busy": "2026-05-21T17:20:21.670420Z",
     "iopub.status.idle": "2026-05-21T17:20:21.674388Z",
     "shell.execute_reply": "2026-05-21T17:20:21.674083Z",
     "shell.execute_reply.started": "2026-05-21T17:20:21.670510Z"
    }
   },
   "outputs": [
    {
     "data": {
      "text/plain": [
       "array([[0.32713476, 0.26072411, 0.97066123],\n",
       "       [0.64324948, 0.22916615, 0.45848477],\n",
       "       [0.74193241, 0.25614138, 0.14923645],\n",
       "       [0.85910429, 0.13530806, 0.57281031],\n",
       "       [0.8111816 , 0.55065099, 0.40271298],\n",
       "       [0.97844806, 0.73711443, 0.2190297 ],\n",
       "       [0.33551703, 0.49527855, 0.08432219]])"
      ]
     },
     "execution_count": 2,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "np.load(\"my_data.npy\")"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "761e6276",
   "metadata": {},
   "source": [
    "Ihr könnt mehrere Arrays in einem unkomprimierten Archiv speichern indem ihr `np.savez` verwendet und die Arrays als Schlüsselwortargumente übergebt:"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 3,
   "id": "f5886d8c",
   "metadata": {
    "execution": {
     "iopub.execute_input": "2026-05-21T17:20:21.675110Z",
     "iopub.status.busy": "2026-05-21T17:20:21.675018Z",
     "iopub.status.idle": "2026-05-21T17:20:21.677559Z",
     "shell.execute_reply": "2026-05-21T17:20:21.677250Z",
     "shell.execute_reply.started": "2026-05-21T17:20:21.675102Z"
    }
   },
   "outputs": [],
   "source": [
    "np.savez(\"data_archive.npz\", a=data, b=np.square(data))"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 4,
   "id": "f1ff70cd",
   "metadata": {
    "execution": {
     "iopub.execute_input": "2026-05-21T17:20:21.677998Z",
     "iopub.status.busy": "2026-05-21T17:20:21.677938Z",
     "iopub.status.idle": "2026-05-21T17:20:21.681474Z",
     "shell.execute_reply": "2026-05-21T17:20:21.681215Z",
     "shell.execute_reply.started": "2026-05-21T17:20:21.677992Z"
    }
   },
   "outputs": [
    {
     "data": {
      "text/plain": [
       "array([[0.10701715, 0.06797706, 0.94218322],\n",
       "       [0.41376989, 0.05251713, 0.21020829],\n",
       "       [0.55046371, 0.06560841, 0.02227152],\n",
       "       [0.73806019, 0.01830827, 0.32811166],\n",
       "       [0.65801558, 0.30321652, 0.16217775],\n",
       "       [0.9573606 , 0.54333768, 0.04797401],\n",
       "       [0.11257167, 0.24530084, 0.00711023]])"
      ]
     },
     "execution_count": 4,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "archive = np.load(\"data_archive.npz\")\n",
    "\n",
    "archive[\"b\"]"
   ]
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3.13 Kernel",
   "language": "python",
   "name": "python313"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.13.0"
  },
  "widgets": {
   "application/vnd.jupyter.widget-state+json": {
    "state": {},
    "version_major": 2,
    "version_minor": 0
   }
  }
 },
 "nbformat": 4,
 "nbformat_minor": 5
}