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：

go 复制代码

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。

cs 复制代码

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：

javascript 复制代码

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。

cs 复制代码

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：

powershell 复制代码

data = np.load("data.npy")print(data)

输出：

css 复制代码

[[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。

cs 复制代码

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：

apache 复制代码

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。

cs 复制代码

numpy.savez_compressed(file, *arrays, **kwds)

示例：

javascript 复制代码

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：

powershell 复制代码

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。

bash 复制代码

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：

cs 复制代码

a = np.array([[1, 2, 3],              [4, 5, 6]])
np.savetxt("data.txt", a, delimiter=",")

输出文件内容：

apache 复制代码

1,2,34,5,6

loadtxt()

从文本文件读取数据。

python 复制代码

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：

ini 复制代码

data = np.loadtxt("data.txt", delimiter=",")

输出：

css 复制代码

[[1. 2. 3.] [4. 5. 6.]]

示例 2：选择指定列

ini 复制代码

data = np.loadtxt("data.txt",                  delimiter=",",                  usecols=(0,2))

输出：

css 复制代码

[[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）：

apache 复制代码

1 艾婉婷 852 岳璐珊 923 鞠子舟 78

读取：

ini 复制代码

dtype = [("id", int), ("name", "U10"), ("score", float)]
data = np.loadtxt("students.txt", dtype=dtype)

输出结构：

php 复制代码

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。

python 复制代码

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：

ini 复制代码

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。

cs 复制代码

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：

apache 复制代码

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：

cs 复制代码

[1 2 3 4]

tofile()

将数组写入二进制文件。

perl 复制代码

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：

apache 复制代码

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"