'numpy.ndarray' object has no attribute 'save'

### 回答1：
这是因为 numpy.ndarray 对象没有 'save' 属性。如果您想要将 numpy 数组保存到文件中，可以使用 numpy 的 save 函数或 savetxt 函数。
例如:

import numpy as np
a = np.array([1, 2, 3])
np.save('my_array', a)

或者

np.savetxt('my_array.txt', a, delimiter=',')

### 回答2：
‘numpy.ndarray’对象没有‘save’属性是因为numpy中的ndarray对象存储在内存中，并没有用特定的格式储存到磁盘中。因此，我们不能像保存python中的其他对象一样直接使用‘save’方法。

如果我们需要把ndarray保存到磁盘中，通常需要定义特定的储存格式。常见的方式包括：

1. 使用numpy提供的二进制格式：使用numpy模块的‘save’和‘load’函数，将ndarray保存到二进制文件中。

2. 使用npy格式：也是使用numpy模块的‘save’和‘load’函数来保存、读取。

3. 使用hdf5格式：使用h5py程序包将ndarray对象保存为HDF5文件格式，它通常在科学、工程、大数据等领域使用。

例如，把ndarray保存为npy格式，可以使用以下代码：

import numpy as np

# 创建ndarray对象
data = np.array([1, 2, 3])

# 保存为npy格式
np.save('data.npy', data)

# 读取npy文件
data = np.load('data.npy')
print(data)

另一种方式是将ndarray转换为python自带的列表或字典等可直接储存为文件的对象，然后使用python自带的‘pickle’模块进行储存与读取，如下所示：

import numpy as np
import pickle

# 创建ndarray对象
data = np.array([1, 2, 3])

# 转换为python可储存对象，保存为pickle文件
with open('data.pickle', 'wb') as f:
    pickle.dump(data.tolist(), f)

# 读取pickle文件，转换为ndarray对象
with open('data.pickle', 'rb') as f:
    data = np.array(pickle.load(f))
print(data)

总之，我们需要了解ndarray是一个存储在内存中的对象，无法直接使用‘save’方法将其保存到磁盘中。需要通过定义特定的格式或转换为python自带的可直接储存为文件的对象来实现保存。

### 回答3：
当出现“'numpy.ndarray' object has no attribute 'save'”的错误时，意味着你正在试图使用numpy中的ndarray对象的save()属性，但是该对象却没有这个属性。这个错误通常在以下两种情况下发生：

第一种情况是当你尝试将numpy的数组对象保存到文件中时。在这种情况下，应该使用numpy中的save()函数来完成这个任务，而不是使用ndarray对象的save属性。因此，正确的方法应该是像这样编写代码：

import numpy as np

a = np.array([1, 2, 3, 4])
np.save('my_array', a)

在这个例子中，我们创建了一个numpy数组，并用np.save()函数将其保存到名为“my_array”的文件中。这将确保我们将数组保存为二进制文件，以便稍后可以使用np.load()函数加载该文件以获取数组。

第二种情况是当你错误地使用ndarray对象的save属性时。在这种情况下，你需要重新审视一下你的代码，找到具体导致错误的操作并检查它是否正确。可能会出现你没有正确定义或初始化数组对象，也可能会出现你尝试使用ndarray对象的不适当的属性或方法。所以，你需要重新检查你的代码，确保它能够正确地使用numpy的ndarray对象。

总之，在使用numpy的ndarray对象时，应该牢记ndarray对象没有save()属性，因此，我们需要使用正确的方法来保存和检查该对象。