你可以用熊猫。它确实需要一些额外的内存，所以它并不总是可行的，但它非常快速和易于使用。

import pandas as pd 
pd.DataFrame(np_array).to_csv("path/to/file.csv")

如果你不想要一个头或索引，使用to_csv("/path/to/file.csv"， header=None, index=None)

你也可以在不使用任何模块的情况下使用纯python来实现。

# format as a block of csv text to do whatever you want
csv_rows = ["{},{}".format(i, j) for i, j in array]
csv_text = "\n".join(csv_rows)

# write it to a file
with open('file.csv', 'w') as f:
    f.write(csv_text)

numpy。Savetxt将数组保存到文本文件中。

import numpy
a = numpy.asarray([ [1,2,3], [4,5,6], [7,8,9] ])
numpy.savetxt("foo.csv", a, delimiter=",")

Tofile是一个方便的函数:

import numpy as np
a = np.asarray([ [1,2,3], [4,5,6], [7,8,9] ])
a.tofile('foo.csv',sep=',',format='%10.5f')

手册页有一些有用的注释:

这是一个方便的函数，用于快速存储数组数据。 关于字节序和精度的信息会丢失，因此此方法不会丢失 对于用于归档数据或传输数据的文件来说，这是一个很好的选择 在具有不同字节序的机器之间。其中一些问题可以 通过将数据输出为文本文件来克服 速度和文件大小。

请注意。此函数不会生成多行csv文件，它将所有内容保存到一行。

如果你想写在列:

    for x in np.nditer(a.T, order='C'): 
            file.write(str(x))
            file.write("\n")

这里'a'是numpy数组的名称，'file'是要写入文件的变量。

如果你想写一行:

    writer= csv.writer(file, delimiter=',')
    for x in np.nditer(a.T, order='C'): 
            row.append(str(x))
    writer.writerow(row)

你可以用熊猫。它确实需要一些额外的内存，所以它并不总是可行的，但它非常快速和易于使用。

import pandas as pd 
pd.DataFrame(np_array).to_csv("path/to/file.csv")

如果你不想要一个头或索引，使用to_csv("/path/to/file.csv"， header=None, index=None)