设avg为列表，则:

In [29]: a = n.array((avg))
In [31]: a.tofile('avgpoints.dat',sep='\n',dtype = '%f')

您可以根据自己的需求使用%e或%s。

如果在python3上，还可以使用print函数，如下所示。

f = open("myfile.txt","wb")
print(mylist, file=f)

我认为探索使用genexp的好处会很有趣，所以下面是我的看法。

问题中的例子使用方括号来创建一个临时列表，因此相当于:

file.writelines( list( "%s\n" % item for item in list ) )

这将不必要地构造一个包含所有将被写入的行的临时列表，这可能会消耗大量的内存，这取决于列表的大小以及str(item)的输出有多详细。

去掉方括号(相当于去掉上面的包装列表()调用)将会传递一个临时生成器给file.writelines():

file.writelines( "%s\n" % item for item in list )

该生成器将按需创建以换行符结束的项目对象表示(即当它们被写入时)。这很好，有几个原因:

内存开销很小，即使对于非常大的列表也是如此 如果str(item)很慢，则在处理每个项时，文件中都有可见的进展

这避免了内存问题，例如:

In [1]: import os

In [2]: f = file(os.devnull, "w")

In [3]: %timeit f.writelines( "%s\n" % item for item in xrange(2**20) )
1 loops, best of 3: 385 ms per loop

In [4]: %timeit f.writelines( ["%s\n" % item for item in xrange(2**20)] )
ERROR: Internal Python error in the inspect module.
Below is the traceback from this internal error.

Traceback (most recent call last):
...
MemoryError

(我通过限制Python的max触发了此错误。使用ulimit -v 102400虚拟内存到~100MB)。

把内存使用放在一边，这个方法实际上并不比原来的方法快:

In [4]: %timeit f.writelines( "%s\n" % item for item in xrange(2**20) )
1 loops, best of 3: 370 ms per loop

In [5]: %timeit f.writelines( ["%s\n" % item for item in xrange(2**20)] )
1 loops, best of 3: 360 ms per loop

(Python 2.6.2 on Linux)

使用numpy。Savetxt也是一个选项:

import numpy as np

np.savetxt('list.txt', list, delimiter="\n", fmt="%s")

你打算怎么处理这个文件?这个文件是否存在于人类，或其他具有明确互操作性要求的程序?

如果您只是试图将列表序列化到磁盘，以便稍后由同一python应用程序使用，则应该pickle该列表。

import pickle

with open('outfile', 'wb') as fp:
    pickle.dump(itemlist, fp)

再读一遍:

with open ('outfile', 'rb') as fp:
    itemlist = pickle.load(fp)

使用循环:

with open('your_file.txt', 'w') as f:
    for line in lines:
        f.write(f"{line}\n")

对于Python <3.6:

with open('your_file.txt', 'w') as f:
    for line in lines:
        f.write("%s\n" % line)

对于Python 2，还可以使用:

with open('your_file.txt', 'w') as f:
    for line in lines:
        print >> f, line

如果您热衷于单个函数调用，至少要删除方括号[]，以便每次生成一个要打印的字符串(genexp而不是listcomp)——没有理由占用物化整个字符串列表所需的所有内存。