（十四）保存数组与按需读取

1. 文本表格与数组文件

第五章使用 CSV 保存业务记录。纯数值表格可以用 savetxt 写出、loadtxt 读回；书籍 CSV 里还有带引号的书名、JSON 标签和文本状态，继续先由 csv 模块解析，再选取适合计算的数值。

# 项目文件：demos/array_io.py
# CSV 便于查看，npy 保留 dtype 与 shape，npz 在一个归档中保存多份数组。
import tempfile
from pathlib import Path

import numpy as np

with tempfile.TemporaryDirectory() as folder:
    root = Path(folder)
    a = np.array([[10, 20], [30, 40]], dtype=np.int64)
    np.savetxt(root / "minutes.csv", a, fmt="%d", delimiter=",")
    print(
        "文本往返",
        np.loadtxt(root / "minutes.csv", delimiter=",", dtype=np.int64).tolist(),
    )
    np.save(root / "minutes.npy", a)
    mapped = np.load(root / "minutes.npy", mmap_mode="r", allow_pickle=False)
    print("映射", mapped.shape, mapped.dtype.name, mapped[1].tolist())
    del mapped
    np.savez_compressed(root / "sample.npz", minutes=a, valid=np.array([True, False]))
    with np.load(root / "sample.npz", allow_pickle=False) as archive:
        print("归档", archive.files, archive["valid"].tolist())

savetxt(...,fmt="%d",delimiter=",") 用逗号分隔整数；loadtxt 指定同样的分隔符与数值类型。文本没有完整保存数组的类型信息，读取时需要重新指定。

np.save 的 .npy 文件保存 dtype、shape 和元素数据。np.savez_compressed 则用名称把多份数组放进一个压缩的 .npz 归档；with 结束后关闭归档资源。这里保存普通数值与 Unicode 文本数组，读取设置 allow_pickle=False。数组文件读取

CSV先按列解析，npy保留一份数组元信息，npz按名称保存多份数组并在with结束时关闭

2. 大文件先读需要的部分

读取 .npy 时的 mmap_mode="r" 建立只读内存映射，可以通过索引按需访问文件数据。它不要求先把整个文件复制进一份普通数组，但对全部数据做运算仍然需要读取相应内容，产生的结果也仍需存储。示例读出第二行 [30,40]，之后释放映射再清理临时目录。

压缩归档需要解压相应成员，不能把它当作同样的直接映射文件。频繁分块访问的大数组，可以先保存为 .npy，按行切片处理。