csv文件(comma-Separated Value，逗号分隔值)：一种文件格式存储批量数据的文件。
局限性：只能有效存储一维和二维数组。

Numpy读取和写入函数

读取：np.loadtxt(frame, dtype=np.float, delimiter=None, unpack=False)

frame 参数表示读入的来源，文件、字符或产生器，可以是.gz或.bz2d的压缩文件
dtype 数据类型
delimiter 表示分隔字符串，默认为空格 若读入文件为csv则应设置为','
unpack 如果为True，读入属性将分别写入不同变量，默认False

写入：np.savetxt(frame, array, fmt='%.18', delimiter=None)

frame参数表示文件、字符或产生器，可以是.gz或.bz2d的压缩文件。
array 参数表示具有数据的数组。
fmt参数表示写入文件的格式，例如：%d %.2f %.18e。
delimiter参数表示分隔字符串，默认为空格。保存为csv文件则应设置为','。

上述两个函数np.loadtxt() np.savetxt()都只能有效存取一维和二维数组

多维数据的存取函数

对于ndarray数组对象a有写入函数
a.tofile(frame, sep='', format='%s')

frame ：文件、字符串名
sep ：数据分割字符串，如果分隔字符串不指定，即为空串的时候，写入文件为二进制
format：写入数据的格式。

a = np.arange(24).reshape((2,3,4))
a.tofile("a.dat",sep=',', format='%d')

使用记事本打开a.dat文件

逗号分隔数据

a.tofile("b.dat", format='%d')

无分隔字符串，为二进制文件，无法正确识别

读取函数：
np.fromfile(frame, dtype=float, count=-1, sep='')

frame ：文件、字符串
dtype：读取的数据类型，默认dtype=float
count：读入元素个数，-1表示读入整个文件
sep：数据分割字符串，如果分隔字符串不指定，即为空串的时候，写入文件为二进制

读入的文件为一维数组，故需要二维或者多维数组时需使用.reshape()函数设置

a1=np.fromfile("a.dat",dtype=np.int, sep=',')
a1

out:
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
       17, 18, 19, 20, 21, 22, 23])

a1.reshape(2,3,4)
Out: 
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])

b1=np.fromfile("b.dat", dtype=np.int, )
b1

Out: 
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
       17, 18, 19, 20, 21, 22, 23])

由此可见：该方法读取是需要知道存取文件数组的维度和元素类型，故需配合使。

numpy便捷文件存取

np.save(fname, array)或np.savez(fname, array)（压缩格式 .npz）

np.load(fname)
需注意文件名要使用numpy自定义的 .npy数据格式

np.save("a.npy", a)

a.npy

数组元信息，数据类型，维度存在第一行中。

aload=np.load("a.npy")

aload
Out: 
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])