将 NumPy 数组写入文件可以通过多种方式进行操作，具体取决于所需的文件格式和用途。以下是几种常见的方法及其适用场景。 --- ### 方法一：使用 `numpy.savetxt` 写入纯文本文件 当希望以人类可读的形式保存数组时，可以使用 `numpy.savetxt` 函数。这种方法适用于简单的数值矩阵或向量。 #### 示例代码 ```python import numpy as np # 创建一个示例数组 data = np.array([[1, 2, 3], [4, 5, 6]]) # 将数组写入文本文件 np.savetxt('output.txt', data, fmt='%d', delimiter=',') ``` - **参数说明** - `'output.txt'`: 输出文件名。 - `fmt='%d'`: 定义输出格式为整数形式[^3]。 - `delimiter=','`: 设置列之间的分隔符为逗号。 运行后会在当前目录下生成一个名为 `output.txt` 的文件，内容类似于： ``` 1,2,3 4,5,6 ``` --- ### 方法二：使用 `numpy.save` 和 `numpy.load` 保存为 `.npy` 文件 `.npy` 是一种高效的二进制格式，专门设计用于存储 NumPy 数组。这种格式适合快速存取大尺寸数据集。 #### 示例代码 ```python import numpy as np # 创建一个示例数组 data = np.array([[1, 2, 3], [4, 5, 6]]) # 保存为 .npy 文件 np.save('output.npy', data) # 加载已保存的数组 loaded_data = np.load('output.npy') print(loaded_data) ``` - **优点**: - 数据压缩率高，占用空间较小。 - 支持复杂结构（如多维数组）。 - **注意**: 这种格式仅限于 Python 生态系统内部使用[^2]。 --- ### 方法三：使用 `numpy.savez` 保存多个数组至单一文件 如果需要在一个文件中保存多个数组，推荐使用 `numpy.savez`。这会创建一个 `.npz` 归档文件，其中每个数组都有独立的名字键。 #### 示例代码 ```python import numpy as np # 创建两个示例数组 array_a = np.array([1, 2, 3]) array_b = np.array([4, 5, 6]) # 保存到同一个 .npz 文件 np.savez('combined_arrays.npz', first=array_a, second=array_b) # 加载并访问特定数组 with np.load('combined_arrays.npz') as loaded_data: print(loaded_data['first']) # 访问第一个数组 print(loaded_data['second']) # 访问第二个数组 ``` - **特点**: - 可通过关键字命名各数组以便后续检索。 - 同样基于二进制格式，性能优越。 --- ### 方法四：转换为 Pandas DataFrame 并导出为 CSV/Excel 对于需要与其他工具交互的情况（例如 Excel 表格），先将 NumPy 数组转为 Pandas DataFrame 更加方便。 #### 示例代码 ```python import numpy as np import pandas as pd # 创建一个示例数组 data = np.array([[1, 2, 3], [4, 5, 6]]) # 转换为 DataFrame df = pd.DataFrame(data, columns=['Column_A', 'Column_B', 'Column_C']) # 导出为 CSV 文件 df.to_csv('output.csv', index=False) # 或者导出为 Excel 文件 df.to_excel('output.xlsx', index=False) ``` - **优势**: - 易于被其他软件解析。 - 提供更多灵活性（如自定义列名、添加元信息等）。 --- ### 总结对比 | 方法 | 格式 | 特点 | |---------------------|--------------|----------------------------------------------------------------------| | `numpy.savetxt` | 文本 (.txt) | 简单直观，便于阅读；但效率较低 | | `numpy.save` | 二进制 (.npy)| 高效紧凑，专用于 NumPy | | `numpy.savez` | 压缩包 (.npz)| 支持多数组存储 | | Pandas 导出 | CSV/XLSX | 方便与第三方应用集成 | 根据实际需求选择合适的方法即可完成任务。 ---