NumPy 函数手册：文件读写
在数据分析、科学计算和机器学习中，常常需要将数组数据保存到磁盘文件，或从文件中读取数据。NumPy 提供了一组用于数组文件读写（file I/O）的函数，用于在 NumPy 数组（ndarray）与外部文件之间进行数据转换。
这些函数支持多种数据格式，包括：
• NumPy 二进制格式（.npy）
• 多数组压缩格式（.npz）
• 文本格式（.txt / .csv）
按照功能划分，NumPy 的文件读写函数通常可以分为四类：
（1）NumPy 二进制文件读写
（2）多数组压缩文件读写
（3）文本文件读写
（4）原始二进制文件读写
一、NumPy 二进制文件读写（.npy）
NumPy 提供 .npy 文件格式，用于保存单个数组。
这种格式可以完整保存：
数组形状（shape）数据类型（dtype）字节顺序（endianness）因此读取速度非常快，并且可以精确恢复原数组结构。
save()
将数组保存为 .npy 文件。
numpy.save(file, arr)参数说明：
• file：文件名或文件对象
• arr：需要保存的数组
示例：
import numpy as np a = np.array([[1, 2, 3], [4, 5, 6]]) np.save("data.npy", a)保存后生成文件：data.npy。
load()
从 .npy 文件读取数组。
numpy.load(file, allow_pickle=False)参数说明：
• file：文件名或文件对象
• allow_pickle：是否允许加载 Python 对象。出于安全考虑，NumPy 默认禁止加载 pickle 数据
示例：
data = np.load("data.npy")print(data)输出：
[[1 2 3] [4 5 6]]二、NumPy 多数组文件读写（.npz）
当需要保存多个数组时，可以使用 .npz 文件。
.npz 文件本质上是一个 ZIP 压缩归档文件，其中每个成员文件都是 .npy 格式的数组文件。
1、保存 .npz 文件
savez()
保存多个数组到 .npz 文件。
numpy.savez(file, *arrays, **kwds)参数说明：
• file：输出文件名
• arrays：未命名数组
• kwds：带名称的数组
示例：
a = np.array([1, 2, 3])b = np.array([4, 5, 6]) np.savez("arrays.npz", a=a, b=b)savez_compressed()
保存压缩 .npz 文件。
numpy.savez_compressed(file, *arrays, **kwds)示例：
np.savez_compressed("arrays_compressed.npz", a=a, b=b)说明：
该函数使用 ZIP 压缩来减少文件体积。
2、读取 .npz 文件
示例：
data = np.load("arrays.npz") data["a"]data["b"]说明：
当读取 .npz 文件时，numpy.load() 返回一个 numpy.lib.npyio.NpzFile 对象，其行为类似只读字典，可以通过键访问其中保存的数组。
三、文本文件读写
NumPy 也支持将数组保存为文本格式，例如 .txt 或 .csv。
savetxt()
将数组写入文本文件。
numpy.savetxt(fname, X, fmt="%.18e", delimiter=" ")参数说明：
• fname：输出文件名
• X：输入数组
• fmt：数据格式
• delimiter：字段分隔符
示例：
a = np.array([[1, 2, 3], [4, 5, 6]]) np.savetxt("data.txt", a, delimiter=",")输出文件内容：
1,2,34,5,6loadtxt()
从文本文件读取数据。
numpy.loadtxt(fname, dtype=float, delimiter=None, skiprows=0, usecols=None)参数说明：
• fname：文件名
• dtype：数据类型
• delimiter：字段分隔符
• skiprows：跳过的行数
• usecols：读取的列
示例 1：
data = np.loadtxt("data.txt", delimiter=",")输出：
[[1. 2. 3.] [4. 5. 6.]]示例 2：选择指定列
data = np.loadtxt("data.txt", delimiter=",", usecols=(0,2))输出：
[[1. 3.] [4. 6.]]当文本文件包含多列不同类型的数据时，可以读取为结构化数组（structured array）。
示例数据（默认按空白字符分隔各列）：
1 艾婉婷 852 岳璐珊 923 鞠子舟 78读取：
dtype = [("id", int), ("name", "U10"), ("score", float)] data = np.loadtxt("students.txt", dtype=dtype)输出结构：
array([(1, '艾婉婷', 85.), (2, '岳璐珊', 92.), (3, '鞠子舟', 78.)], dtype=[('id','<i8'), ('name','<U10'), ('score','<f8')])说明：每一列会映射为结构化数组中的一个字段。
genfromtxt()
genfromtxt() 是更通用的文本读取函数。
numpy.genfromtxt(fname, delimiter=",", dtype=None)特点：
• 支持缺失值
• 自动推断数据类型
• 支持字段名称
因此，当文本数据格式不完全规整或包含缺失值时，genfromtxt() 通常比 loadtxt() 更合适。
示例：
data = np.genfromtxt("data.csv", delimiter=",", names=True)说明：当 names=True 时，第一行会作为字段名。
四、原始二进制文件读写
除了 .npy 与 .npz 格式外，NumPy 还提供原始二进制文件读写函数。这种方式直接读写数组的二进制数据流，不包含数组结构信息。
因此在读取时通常需要手动指定数据类型（dtype）和形状（shape）。
fromfile()
从二进制文件读取数组数据。
numpy.fromfile(file, dtype=float, count=-1, sep='')参数说明：
• file：文件名或文件对象
• dtype：读取的数据类型
• count：读取元素数量
• sep：字段分隔符。默认为空字符串（""）表示按二进制方式读取；若指定分隔符，则按文本方式解析
示例：
import numpy as np a = np.array([1, 2, 3, 4], dtype=np.int32) a.tofile("data.bin") data = np.fromfile("data.bin", dtype=np.int32) print(data)输出：
[1 2 3 4]tofile()
将数组写入二进制文件。
ndarray.tofile(file, sep="", format="%s")参数说明：
• file：输出文件名
• sep：字段分隔符（空字符串表示二进制写入）
• format：输出格式
示例：
a = np.array([10, 20, 30, 40]) a.tofile("numbers.bin")说明：该函数会将数组数据按原始字节序列写入文件。
该函数通常与 fromfile() 配合使用，但读取时需要手动提供正确的 dtype，必要时还需自行恢复形状。
📘 小结
NumPy 提供了一组用于数组文件读写的函数体系。.npy 格式（save、load）用于高效存储单个数组，.npz 格式（savez、savez_compressed）用于保存多个数组并支持压缩存储。文本读写函数（savetxt、loadtxt、genfromtxt）可用于与 CSV 或文本数据交换。此外，fromfile 与 tofile 提供原始二进制数据读写能力。这些工具使数组数据能够在磁盘与内存之间高效转换，是数据分析与科学计算中的基础工具。
“点赞有美意，赞赏是鼓励”