np.savetxt 默认用 %.18e 格式导致精度丢失，因其固定宽度截断而非按有效数字保留；应改用 fmt='%.17g' 以保障 float64 无损 round-trip，或优先选用 np.save 实现真正无损。
为什么 np.savetxt 默认会丢精度
因为 np.savetxt 默认用 %.18e 格式（科学计数法），对浮点数做固定宽度截断，不是按有效数字保留。比如 0.1234567890123456789 可能被存成 1.2345678901234567e-01，再读回来就只剩 17 位左右——这不是四舍五入问题，是格式化阶段的硬截断。
常见错误现象：np.loadtxt 读回后和原数组 !=，尤其在高精度科学计算、坐标/时间戳场景下误差不可忽略。
- 默认行为不保留原始
float64的全部 15–17 位十进制有效数字 -
fmt='%.18e'看似够长，但指数部分占位、小数点前导零都会挤占有效位数 - 如果数组含
inf或nan，默认格式还可能输出为inf/nan字符串，后续读取时类型丢失
用 fmt='%.17g' 替代默认格式
g 格式比 e 更智能：自动在科学计数法和普通小数之间切换，并优先保留最多有效数字。17 是 float64 可靠表示十进制数的上限（IEEE 754 double 最多需要 17 位十进制数字才能无损 round-trip）。
实操建议：
- 显式指定
fmt='%.17g'，不要依赖默认值 - 加
delimiter=','和newline='\n'避免 Windows 换行符干扰 - 若含整数列，
%.17g会自动输出为42而非42.000000000000000，更干净
示例：
np.savetxt('data.csv', arr, fmt='%.17g', delimiter=',', newline='\n')
需要绝对无损？改用 np.save + np.load
CSV 本质是文本交换格式，注定有解析开销和格式边界。如果目标只是“Python 进程间或同环境复现”，np.save 是真正无损、快速、原生支持的方案。
注意点：
-
np.save生成的是二进制.npy文件，不能用 Excel 打开，也不适合跨语言传输 - 保存时加
allow_pickle=False（默认已是 False），避免潜在安全风险 - 如需压缩，用
np.savez_compressed，体积通常比 CSV 小 50% 以上，且仍无损
示例：
np.save('data.npy', arr, allow_pickle=False)
必须用 CSV 且要兼容其他语言？手动转字符串再写
当 CSV 要被 MATLAB、R 或 C++ 程序读取，且对方解析器不支持高精度 g 格式时，最稳妥的方式是绕过 np.savetxt，用 Python 原生 csv 模块 + np.array2string 控制输出。
关键操作：
- 用
np.array2string(arr, separator=',', formatter={'float_kind': lambda x: f'{x:.17g}'})先转字符串 - 再用
csv.writer写入，确保每行字段数一致、引号规则合规 - 特别注意二维数组：需逐行处理，避免
array2string输出带括号和换行
这步容易踩坑：直接拼接字符串可能破坏 CSV 结构（比如字段含逗号或换行），所以仍推荐走标准 csv 模块流程。
精度问题的核心不在“怎么存”，而在“存完能不能原样读回来”。%.17g 覆盖绝大多数场景，但只要有一方不是 Python + NumPy，就得提前确认对方解析器的浮点字面量支持能力——这点常被忽略。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
