在Python中使用load_npz()函数加载压缩的npz文件

在Python中，我们可以使用numpy库中的load_npz()函数来加载压缩的.npz文件。.npz文件是一种压缩的Numpy数组文件，可以同时保存多个Numpy数组。

下面是一个使用load_npz()函数的例子：

首先，我们需要创建一个.npz文件，保存一些Numpy数组。我们可以使用savez()函数来保存：

import numpy as np

# 创建一些Numpy数组
arr1 = np.array([1, 2, 3, 4, 5])
arr2 = np.array([[1, 2, 3], [4, 5, 6]])

# 保存为.npz文件
np.savez('compressed_data.npz', arr1=arr1, arr2=arr2)

接下来，我们可以使用load_npz()函数来加载.npz文件并获得其中的数组：

import numpy as np

# 加载.npz文件
data = np.load('compressed_data.npz')

# 获取其中的数组
arr1 = data['arr1']
arr2 = data['arr2']

print("arr1:", arr1)
print("arr2:", arr2)

以上代码会输出：

arr1: [1 2 3 4 5]
arr2: [[1 2 3]
 [4 5 6]]

如上所示，我们通过data['key']的方式获取了.npz文件中的数组。其中，key是我们在保存时为数组指定的名称。

需要注意的是，使用load_npz()函数加载的数组是稀疏数组（scipy.sparse.csr.csr_matrix），如果原始数据文件中的数组是稀疏的话。如果是稠密数组的话，可以使用np.load()函数加载.npy文件。

我们还可以使用load()函数来加载.npz文件并获得一个字典，其中包含了所有的数组：

import numpy as np

# 加载.npz文件
data = np.load('compressed_data.npz')

# 获取所有的数组字典
arrays = dict(data)

# 遍历并打印数组
for key, value in arrays.items():
    print(key, ":", value)

以上代码会输出：

arr1 : [1 2 3 4 5]
arr2 : [[1 2 3]
 [4 5 6]]

这里dict(data)将会得到一个字典对象。

总结起来，使用load_npz()函数可以非常方便地加载压缩的.npz文件，并获取其中的Numpy数组。这对于保存和加载多个Numpy数组非常有用，可以方便地保存和加载数据，便于数据的读取和处理。