### Python 中处理 `.npy` 文件的方法 `.npy` 是 NumPy 提供的一种高效存储数组数据的二进制文件格式。以下是关于如何在 Python 中读取、保存和操作 `.npy` 文件的具体方法。 #### 1. 保存 `.npy` 文件 要将一个 NumPy 数组保存为 `.npy` 文件，可以使用 `np.save()` 函数[^3]。此函数会将指定的数组写入到磁盘上的 `.npy` 文件中。 ```python import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6]]) np.save('example.npy', arr) ``` #### 2. 读取 `.npy` 文件 通过 `np.load()` 函数可以从 `.npy` 文件加载数据并将其转换回 NumPy 数组][^[^34]。下面是一个简单的例子： ```python load_data = np.load('example.npy') print("Type of loaded data:", type(load_data)) print("Shape of the array:", load_data.shape) print("Array content:\n", load_data) ``` #### 3. 将 `.npy` 转换为其他格式（如 CSV） 如果需要将 `.npy` 数据导出为更通用的格式（例如 CSV），可以通过先加载 `.npy` 文件再利用 Pandas 或 NumPy 的功能完成这一过程[^1]。以下是如何实现的一个实例： ```python import pandas as pd # 加载 .npy 文件 array_from_npy = np.load('example.npy') # 使用 Pandas 导出为 CSV df = pd.DataFrame(array_from_npy) df.to_csv('output.csv', index=False) # 验证结果 loaded_df = pd.read_csv('output.csv') converted_array = loaded_df.values print(converted_array) ``` #### 4. 设置打印选项以便查看大矩阵 当 `.npy` 文件包含较大的多维数组时，默认情况下可能无法完全显示其内容。为了完整展示整个数组的内容，可调整 NumPy 的打印阈值设置[^4]: ```python np.set_printoptions(threshold=np.inf) # 显示全部元素而不省略 large_matrix = np.random.rand(100, 100) np.save('large_matrix.npy', large_matrix) recovered_large_matrix = np.load('large_matrix.npy') print(recovered_large_matrix) ``` #### 5. 特殊情况：与其他文件类型的互转 有时还需要将在 MATLAB 环境下生成的 `.mat` 文件导入至 Python 并保存为 `.npy` 文件，或者反之亦然[^2]。这通常借助于 SciPy 库来解析 `.mat` 文件后再调用 NumPy 进行后续处理。 ```python from scipy.io import loadmat import numpy as np # 从 mat 文件加载数据 mat_content = loadmat('input.mat')['variable_name'] np.save('converted_to_numpy.npy', mat_content) # 反向转换 (npy -> mat) from scipy.io import savemat savemat('back_to_mat.mat', {'new_variable': np.load('converted_to_numpy.npy')}) ``` --- ### 总结 上述内容涵盖了 `.npy` 文件的基础操作方式及其扩展应用案例。无论是基本的数据存取还是跨平台兼容性的需求，在 Python 生态系统内都有成熟的解决方案支持这些任务。