NumPy savetxt 与 loadtxt 函数用法指南

NumPy savetxt 与 loadtxt 的核心定位

在处理结构化的二维或多维数值时，手动循环写入往往效率低下且易出错。savetxt 负责将 numpy.ndarray 按指定规则序列化至纯文本文件，而 loadtxt 则负责逆向解析，支持选择性读取特定列或跳过表头。两者配合即可建立稳定的中间数据交换通道。

第1步：使用 savetxt 将内存数据保存至文件

目的：将定义的数组对象持久化到当前目录，生成逗号分隔的 CSV 格式文件。

入口与参数：需导入 numpy 模块，调用 np.savetxt 方法。关键参数包括文件路径（fname）、待保存数组（X）、字段分隔符（delimiter）以及文本编码（encoding）。执行前请确认目标路径无重要旧数据，因同名文件会被直接覆盖，建议提前备份。

import numpy as np
data = np.ones((5, 3))
np.savetxt(fname="./data.csv", X=data, delimiter=',', encoding='utf-8')

第2步：使用 loadtxt 精准读取指定列数据

目的：从已保存的 CSV 文件中提取前两列内容，还原为 NumPy 数组供后续计算使用。

入口与参数：调用 np.loadtxt 方法。重点控制 fname 指向源文件，delimiter 匹配写入时的分隔符，并通过 usecols 传入元组 (0, 1) 限定只加载索引为 0 和 1 的列。skiprows 可用于忽略文件首行的注释或标题行。

import numpy as np
data = np.loadtxt("./data.csv", delimiter=',', usecols=(0, 1))
print(data)

关键参数配置对照与排错指南

实际工程中常需处理非标准格式或带元数据的文件，以下参数需重点留意：

• header / footer：savetxt 可在文件首尾追加自定义字符串，常用于添加版本信息或数据说明。
• comments：默认值为 '# '。若文件中包含以其他符号开头的注释，需在 save 和 load 时统一指定该字符，否则 loadtxt 会将其误判为有效数据。
• dtype：loadtxt 默认读取为 float，若原始数据含字符串或日期，需显式声明 dtype=str 或对应的复合类型，防止类型转换异常报错。
• unpack=True：当 usecols 读取多列时设为 True，返回结果为拆分的独立数组而非二维矩阵，便于直接赋值给多个变量。
• encoding：跨平台读取中文备注或特殊符号时，建议明确指定 'utf-8' 或 'gbk'，避免 locale 环境差异导致乱码或 FileNotFoundError。

若遇到 UnicodeDecodeError 或 ValueError，通常是因为写入分隔符与读取分隔符不一致，或是使用了 unpack=True 但列数不匹配变量数。检查两端代码的参数映射即可快速解决。

简要总结

savetxt 与 loadtxt 构成了轻量级数据流存取的标准化方案。掌握参数间的对应关系后，无需依赖第三方库即可完成结构化数据的交叉读写。以上就是 NumPy savetxt 与 loadtxt 函数的详细内容，更多关于 Python 数据持久化与文件读写的资料请关注本站其它相关文章！