Numpy 06-Python实验六-3 文件读写.py

 

import numpy as np

# 1. 保存为TXT文本文件，可以用记事本查看
a=np.arange(0,10,0.5).reshape(4,-1)
np.savetxt("out.txt",a,fmt="%d",delimiter=",") # 改为保存为整数，以逗号分隔
b = np.loadtxt("out.txt",delimiter=",") # load 时也要指定为逗号分隔
print(b)


# 2. 保存为CSV文件，可以用Excel查看
# 缺点：
#    只能保存一维和二维 numpy 数组，当 numpy 数组 a 有多维时，需要将其 a.reshape((a.shape[0], -1)) 后才能用这种方式保存。
#    不能追加保存，即每次 np.savetxt() 都会覆盖之前的内容。
a = np.array(range(20)).reshape((4, 5))
print(a)

# 后缀改为 .txt 一样
filename = 'a.csv'
# 写文件
np.savetxt(filename, a, fmt='%d', delimiter=',')

# 读文件
b = np.loadtxt(filename, dtype=np.int32, delimiter=',')
print(b)


# 3. 保存为npy二进制文件，用记事本打开是乱码
# 优点：
#     npy 文件可以保存任意维度的 numpy 数组，不限于一维和二维；
#     npy 保存了 numpy 数组的结构，保存的时候是什么 shape 和 dtype，取出来时就是什么样的 shape 和 dtype。
# 缺点：
#     只能保存一个 numpy 数组，每次保存会覆盖掉之前文件中存在的内容（如果有的话）。
a = np.array(range(20)).reshape((2, 2, 5))
print(a)

filename = 'b.npy'
# 写文件
np.save(filename, a)

# 读文件
b = np.load(filename)
print(b)
print(b.shape)


# 4. 保存为npz二进制文件，用记事本打开是乱码
# 优点：
#     npy 文件可以保存任意维度的 numpy 数组，不限于一维和二维；
#     npy 保存了 numpy 数组的结构，保存的时候是什么 shape 和 dtype，取出来时就是什么样的 shape 和 dtype；
#     可以同时保存多个 numpy 数组；
#     可以指定保存 numpy 数组的 key，读取的时候很方便，不会混乱。
# 缺点：
#     保存多个 numpy 数组时，只能同时保存，即 np.savez(filename, a, b=b)。每次保存会覆盖掉之前文件中存在的内容（如果有的话）。

a = np.array(range(20)).reshape((2, 2, 5))
b = np.array(range(20, 44)).reshape(2, 3 ,4)
print('a:\n', a)
print('b:\n', b)

filename = 'c.npz'
# 写文件， 如果不指定key，那么默认key为'arr_0'、'arr_1'，一直排下去。
np.savez(filename, a, b=b)

# 读文件
c = np.load(filename)
print('keys of NpzFile c:\n', c.keys())
print("c['arr_0']:\n", c['arr_0'])
print("c['b']:\n", c['b'])

 

 

代码逐段详细解释

这段代码演示 NumPy 4 种文件读写方式：

1. savetxt/loadtxt：文本格式（txt/csv，可读，仅支持 1D/2D 数组）
2. save/load（.npy）：二进制单数组文件，保留维度 shape 和数据类型 dtype，支持多维
3. savez/load（.npz）：二进制压缩包，可以一次性保存多个 ndarray 数组

import numpy as np

导入 numpy 库，简写np

---

1. savetxt /loadtxt：保存读取 TXT 文本文件

a=np.arange(0,10,0.5).reshape(4,-1)

• np.arange(0,10,0.5)：从 0 开始到 10（不含 10），步长 0.5，生成：0,0.5,1,1.5 … 9.5，一共 20 个浮点数
• .reshape(4,-1)：重塑数组形状为4 行；-1代表让 numpy自动计算列数：20/4=5 列，最终 shape=(4,5)

np.savetxt("out.txt",a,fmt="%d",delimiter=",")

np.savetxt(文件名,数组,fmt=格式,delimiter=分隔符)

• fmt="%d"：以整数格式写入文本，会自动把浮点数取整保存（0.5→0，1.5→1）
• delimiter=","：元素之间用逗号隔开

生成的 out.txt 可以直接用记事本打开查看内容

b = np.loadtxt("out.txt",delimiter=",")

np.loadtxt读取文本文件，delimiter=","必须和写入时保持一致，按逗号切分数据，还原成 numpy 数组。

print(b)

打印读取回来的数组 b。

⚠️ savetxt 限制：只支持一维、二维数组，不支持三维及以上

---

2. savetxt 保存 CSV 文件（Excel 可打开）

a = np.array(range(20)).reshape((4, 5))
print(a)

创建 0~19，重塑为 4 行 5 列二维数组。

filename = 'a.csv'
np.savetxt(filename, a, fmt='%d', delimiter=',')

保存为 csv，逗号分隔，整数格式。CSV 可以用 Excel/WPS 直接打开表格查看。

b = np.loadtxt(filename, dtype=np.int32, delimiter=',')
print(b)

读取 csv，dtype=np.int32指定读取后数组元素类型为 32 位整型。

注释里两个缺点重点：

1. 只能 1 维、2 维；多维数组要先 reshape 压平成二维才能保存
2. 每次 savetxt 直接覆盖原文件，不能追加写入

---

3. save / load：.npy 二进制文件

a = np.array(range(20)).reshape((2, 2, 5))
print(a)

0~19，重塑成三维数组 shape=(2,2,5)，savetxt无法直接保存三维，但npy可以。

filename = 'b.npy'
np.save(filename, a)

np.save()保存 ndarray 到.npy二进制文件。 ✅优点：

• 原生支持任意维度数组
• 自动保存数组 shape 和 dtype，读取时原样恢复，不需要手动指定形状 ❌缺点：
• 一个 npy 文件只能存 1 个数组；新 save 会覆盖旧文件
• 二进制文件，记事本打开是乱码，不能人工阅读

b = np.load(filename)
print(b)
print(b.shape)

np.load读取 npy，直接还原三维数组，打印 shape 验证。

---

4. savez / load：.npz 压缩包，一次性保存多个数组

a = np.array(range(20)).reshape((2, 2, 5))
b = np.array(range(20, 44)).reshape(2, 3 ,4)
print('a:\n', a)
print('b:\n', b)

创建两个不同形状、不同维度的三维数组 a 和 b。

filename = 'c.npz'
np.savez(filename, a, b=b)

np.savez(文件名, 数组1, key=数组2)

• 不传 key：默认自动命名 arr_0, arr_1, arr_2...
• b=b：手动指定 key 名字为b，读取时用c['b']取出这个数组

npz 本质是一个压缩包，内部包含多个独立 npy 文件。

c = np.load(filename)
print('keys of NpzFile c:\n', c.keys())

np.load读取 npz，返回一个类似字典的NpzFile对象。.keys()查看里面所有保存的数组名称。

print("c['arr_0']:\n", c['arr_0'])
print("c['b']:\n", c['b'])

用字典索引：c['key名']取出对应的数组。

✅ npz 优点：

1. 支持多维数组
2. 保留 shape、dtype
3. 同一个文件可以存放多个数组，通过 key 区分 ❌缺点：

• 一次性写入；每次 savez 会覆盖旧文件，不能追加新增数组

4 种方式对比总结表

表格

方式	文件后缀	可读 (记事本)	支持多维	保存多数组	特点
savetxt/loadtxt	txt/csv	✅能看	❌仅 1D/2D	❌	文本表格，Excel 打开；适合少量二维数据导出
save/load	.npy	❌乱码	✅任意维度	❌只能 1 个	保留数组完整信息，程序内部读写首选
savez/load	.npz	❌乱码	✅任意维度	✅多个数组	打包一批数组一起存储

容易踩坑的关键点

1. fmt="%d"：保存浮点数数组到文本时会截断为整数，如果需要保留小数，改为fmt="%.4f"
2. delimiter读写必须一致，写逗号读也要逗号
3. npy/npz 是二进制，不能用记事本修改；如果需要人工查看数据，选 csv/txt
4. savez不支持追加：如果后续想再加数组，只能全部读出来，重新 savez 一次
5. reshape(-1)：-1 是自动推导维度，NumPy 自动计算，简化代码