我有两个数组 A 和 B，这样：
A.shape 是 (N， 1)，dtype 是 int。 B.shape 是 (N， M)，dtype 是浮点数。
阵列 A 包含 ids/序列号信息。我想用single file with their dtypes preserved写 A 和 B，这样每行都包含 A[i] 和 B[i， ：]，即
A[0], B[0, 0], B[0, 1], ..... , B[0, M-1]
A[1], B[1, 0], B[1, 1], ..... , B[1, M-1]
.
.
.
and so on.
我该怎么做？
调用savetxt()时使用fmt="%g"：
import numpy as np
a = np.random.randint(0, 100, 10)
b = np.random.rand(10, 3)
v = np.hstack((a[:,None],b))
import io
t = io.BytesIO()
np.savetxt(t, v, fmt="%g", delimiter=",")
print t.getvalue()
这是输出：
58,0.565189,0.865103,0.508969
23,0.916723,0.921158,0.0831125
59,0.277719,0.0093567,0.842342
2,0.647174,0.841386,0.26473
98,0.397821,0.552821,0.16494
62,0.369808,0.146442,0.569618
35,0.703737,0.288476,0.433288
94,0.756107,0.396098,0.896038
67,0.638921,0.891554,0.680056
82,0.449198,0.978571,0.116202
(我读这个问题太快了，A整数数组中错过了这个问题。 以下内容可能矫枉过正，但我会把它留在这里，以防有人需要混合字符串和浮动。
如果数组是相同的数据类型，则可以将它们连接起来，savetxt就可以正常工作。 如果A是一个字符串数组，这将不起作用。 若要savetxt将此异构数据打印到文件，需要使用结构化数组。 这里有一种方法可以做到这一点。
这个想法是创建一个结构化数组，其第一个字段是字符串 (保存 ID)，其剩余的 M 字段为浮点型。 为了便于用给定的数组填充这个数组，我们将这样做 分两步。
首先，我们将创建一个结构化数组，其第一个字段是字符串 其第二个字段本身是 M 浮点值的数组。 此数据类型在脚本中dt2，对应的数组为data2. 这允许我们用ab填充数组，并使用 简单的作业data2['a'] = a和data2['b'] = b。
接下来，我们创建此数组的视图，在脚本中称为data， 将数据类型dtall与M+1字段一起使用。 第一个字段是 字符串，其余为浮点数。
现在我们可以使用data写入文件savetxt.提供格式 对于与其他字段不同的第一个字段，我们将构建一个 完整整行的格式字符串，并将其作为fmtsavetxt的论点 .
import numpy as np
# Example data.
a = np.array(['A001', 'A019', 'A344', 'A742'])
b = np.linspace(0, 1, 16, endpoint=False).reshape(4,4)
# Create a data dtype with two fields. The first field has the same
# data type as `a`. The second has the same fundamental data type as `b`,
# repeated N times. If you print dt2 using the above data, you'll see
# [('a', 'S4'), ('b', '<f8', (4,))]
dt2 = np.dtype([('a', a.dtype.str)] +
[('b', b.dtype.str, b.shape[1])])
# Create an empty array using `dt2`, and fill it with `a` and `b`.
data2 = np.empty(len(a), dtype=dt2)
data2['a'] = a
data2['b'] = b
# Create a data type with N+1 fields. If you print `dtall`, you'll see
# [('a', 'S4'), ('f1', '<f8'), ('f2', '<f8'), ('f3', '<f8'), ('f4', '<f8')]
dtall = np.dtype([('a', a.dtype.str)] + b.dtype.descr*b.shape[1])
# Create a view of the same data, but with data type `dtall`.
data = data2.view(dtall)
# Create the format string to be used in `savetxt`.
id_fmt = '"%s"' # The format of the id.
float_fmt = '%f' # The floating point format.
fmt = id_fmt + b.shape[1] * (',' + float_fmt)
# Finally, save the data.
np.savetxt('ab.csv', data, fmt=fmt)
以下是输出文件的内容：
"A001",0.000000,0.062500,0.125000,0.187500
"A019",0.250000,0.312500,0.375000,0.437500
"A344",0.500000,0.562500,0.625000,0.687500
"A742",0.750000,0.812500,0.875000,0.937500
如果您不需要将数组保存为纯文本，我也会考虑使用np.savez，这将允许您将两个数组保存在单个二进制文件中。还有一个压缩版本可通过savez_compressed.就个人而言，我经常使用 h5py 将多个数组保存到 hdf5，但np.savez提供了一个简单的接口，该接口内置于 numpy 中，因此不需要任何额外的依赖项。
import numpy as np
a = np.random.randint(0, 100, 10)
b = np.random.rand(10, 3)
np.savez('data.npz', a=a, b=b)
# Now load the data back in
data = np.load('data.npz')
a_loaded = data['a']
b_loaded = data['b']
In [9]: a_loaded.dtype
Out[9]: dtype('int64')
In [10]: b_loaded.dtype
Out[10]: dtype('float64')