Ler e gravar arrays

Texto: legível para pessoas e planilhas

O np.savetxt grava um array como texto, e o np.loadtxt lê de volta. O parâmetro fmt controla a formatação (sem ele, o padrão é uma notação científica enorme), e o header escreve uma linha de títulos:

from pathlib import Path

import numpy as np

dados = np.array([[1.5, 2.0], [3.25, 4.0]])
np.savetxt("tabela.csv", dados, delimiter=",", header="a,b", comments="", fmt="%.2f")
print(Path("tabela.csv").read_text(encoding="utf-8"))

lido = np.loadtxt("tabela.csv", delimiter=",", skiprows=1)
print(np.array_equal(lido, dados))

a,b
1.50,2.00
3.25,4.00

True

O texto é universal (qualquer planilha abre), mas tem dois custos: perde precisão (o fmt="%.2f" descartou casas) e é lento para arquivos grandes, porque converter texto em número custa.

Binário: o formato `.npy`

O np.save grava o array exatamente como está na memória, com o tipo e a forma, em um arquivo .npy. O np.load o devolve idêntico. É rápido, preciso e compacto:

np.save("matriz.npy", dados)
print(np.array_equal(np.load("matriz.npy"), dados))
print(Path("matriz.npy").stat().st_size > dados.nbytes)

True
True

O arquivo é só um pouco maior que os dados (nbytes), por causa de um cabeçalho pequeno que descreve o tipo e a forma. Para guardar vários arrays em um arquivo, use o np.savez (ou np.savez_compressed, que comprime), que cria um .npz, uma espécie de pasta de arrays com nome:

np.savez("pacote.npz", x=dados, y=np.arange(3))
with np.load("pacote.npz") as pacote:
    print(sorted(pacote.files), pacote["y"])

['x', 'y'] [0 1 2]

Dados faltando em texto

O np.genfromtxt lê arquivos de texto com lacunas, e as converte em nan. O loadtxt falharia nesse caso:

Path("faltando.csv").write_text("a,b\n1,2\n3,\n5,6\n", encoding="utf-8")
cru = np.genfromtxt("faltando.csv", delimiter=",", skip_header=1)
print(cru)

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

Não carregue pickle de quem você não conhece

O np.load recusa, por padrão, arrays de objetos Python (allow_pickle=False), e eu mantenho assim. O formato pickle pode executar código arbitrário ao ser lido, e carregar um arquivo de origem desconhecida com ele ligado é um risco de segurança real.

Quando a tabela tem texto e números misturados

O NumPy sozinho é desajeitado para tabelas com colunas de tipos diferentes (nomes, datas, números). Para isso existe o pandas (capítulo 38), que lê CSV com pd.read_csv e devolve um DataFrame com rótulos.