能否将Fortran数组存储为.npy格式？有哪些轻量实现方案？

针对小体量数组、不想引入HDF5/NETCDF等重型依赖的场景，有3种更轻量的可选方案：

• 纯文本空格分隔格式
  Fortran侧输出数组时直接按元素空格分隔、按行换行的规则写入.dat文件，无需自定义存储规则。Python侧直接调用numpy.loadtxt()接口即可直接读取为numpy数组，接口会自动识别数组维度、元素类型，操作成本极低，适合数组元素数在10万量级以下的场景，性能损耗完全可忽略。
  示例Python读取代码：

  import numpy as np
  arr = np.loadtxt("your_array.dat")
  

• 无格式二进制存储 + 固定规则读取
  若担心纯文本占用空间稍大，可以选择Fortran侧直接输出无格式二进制.dat文件，仅需要提前约定好数组的元素类型和维度形状，Python侧调用numpy.fromfile()读取后按Fortran列优先规则调整形状即可，全程不需要自定义解析逻辑：
  示例Python读取代码（对应Fortran侧双精度、3行5列的二维数组）：

  import numpy as np
  # order='F' 匹配Fortran列优先的存储顺序
  arr = np.fromfile("your_array.dat", dtype=np.float64).reshape(3,5, order='F')
  

• CSV通用表格格式
  如果需要方便直接打开文件校验内容，可以选择Fortran侧将数组输出为逗号分隔的.csv格式，Python侧可以用numpy.loadtxt()、pandas.read_csv()等多种接口直接读取，可读性极强，适合调试阶段使用。

内容的提问来源于stack exchange，提问作者Tejas Shetty