如何修复Python中NumPy导出数据科学计数法问题_通过format_float_scientific

因为np.savetxt默认格式为'%.18e'，即18位精度科学计数法，以确保数值精度，但牺牲可读性。

为什么 np.savetxt 默认用科学计数法导出小数？

因为 NumPy 的 np.savetxt 在遇到浮点数时，会调用底层的格式化逻辑，默认启用科学计数法（尤其是当数值绝对值 1.234567e-05 这类输出，往往是因为数组里混入了极小/极大值，或 dtype 是 float64 且未显式指定格式。

用 fmt 参数绕过默认科学计数法

np.savetxt 的 fmt 参数直接控制每个字段的字符串格式，它是解决该问题最直接的方式。关键不是禁用科学计数法，而是「明确告诉它用什么格式」：

• 写成 fmt='%.6f'：强制固定小数位，0.000012 不会变 1.2e-05
• 写成 fmt='%.6g'：自动在固定和科学之间选更短的，0.000123 → 0.000123，0.000000123 → 1.23e-07（仍可能触发）
• 若需统一保留 6 位有效数字且禁用 e 记法，只能用 fmt='%.6f'，但要注意：太小的数会变成 0.000000

示例：

np.savetxt('data.txt', data, fmt='%.8f', delimiter=',')

np.format_float_scientific 不是导出函数，别误用

这个函数名字有误导性——它只做单个浮点数到字符串的转换，**不参与 np.savetxt 流程**。你不能把它传给 fmt，也不能靠它批量改数组显示。常见错误写法：

# ❌ 错误：format_float_scientific 返回字符串，不是格式化模板
np.savetxt('out.txt', data, fmt=np.format_float_scientific)

它真正的用途是调试时手动看某个数怎么格式化：

np.format_float_scientific(0.00000123, exp_digits=2, unique=False)

返回 '1.23e-06'，仅此而已。

Python 3.14.3

微软官方的 Python 扩展，是 VS Code 安装量最高的扩展（209M+）。集成 IntelliSense（通过 Pylance）、调试（通过 Python Debugger）、代码检查、格式化、重构和单元测试等功能。支持 Jupyter Notebook、虚拟环境管理和多 Python 版本切换。

导出前预处理数组：避免 fmt 失效的边界情况

当数组含 inf、-inf 或 nan 时，fmt='%.6f' 会输出 inf、-inf、nan 字符串，某些下游工具（如 Excel）无法识别。这时得提前清理：

• 用 np.nan_to_num(data, nan=0.0, posinf=1e10, neginf=-1e10) 替换异常值
• 若必须保留 nan 语义，改用 fmt='%s' + 手动 np.array2string 控制，但会失去二进制精度
• 注意：np.savetxt 对整数列也会套用 fmt，所以混合类型数组建议先转成 object dtype 再逐列格式化

真正难的不是选哪个格式化函数，而是意识到 np.savetxt 的 fmt 是唯一可控入口；所有“禁用科学计数法”的诉求，最终都得落到这个字符串模板上，且要同时兼顾数值范围、精度需求和下游兼容性。