使用numpy.lib.format实现高效的NumPy数组保存和加载

NumPy库是Python中最常用的科学计算库之一，用于处理大规模的多维数组和矩阵。在实际应用中，我们通常需要将数组保存到磁盘或者从磁盘加载数组。NumPy提供了numpy.lib.format模块，可以实现高效的数组保存和加载。

首先，让我们看一下如何使用numpy.lib.format保存NumPy数组。保存数组的函数是numpy.save()，它接收两个参数：保存路径和要保存的数组。下面是一个简单的例子：

import numpy as np

# 创建一个随机的2维数组
arr = np.random.rand(100, 100)

# 保存数组到磁盘
np.save('arr.npy', arr)

在上面的例子中，我们创建了一个100x100的随机数组，并将其保存到文件arr.npy中。该文件保存在当前工作目录中。

接下来，让我们看一下如何使用numpy.lib.format加载保存的数组。加载数组的函数是numpy.load()，它接收一个参数：保存路径。下面是一个简单的例子：

import numpy as np

# 从磁盘加载数组
arr = np.load('arr.npy')

# 打印数组
print(arr)

在上面的例子中，我们从文件arr.npy加载了之前保存的数组，并将其存储在变量arr中。然后，我们使用print()函数打印了数组。

numpy.lib.format模块还提供了其他一些有用的函数，用于保存和加载多个数组，以及查看保存的数组的一些元数据。

下面是一个示例，展示了如何使用numpy.lib.format保存和加载多个数组：

import numpy as np

# 创建两个随机的2维数组
arr1 = np.random.rand(100, 100)
arr2 = np.random.rand(200, 200)

# 保存多个数组到磁盘
np.savez('arrays.npz', arr1=arr1, arr2=arr2)

# 从磁盘加载多个数组
data = np.load('arrays.npz')

# 查看保存的数组
print(data['arr1'])
print(data['arr2'])

在上面的例子中，我们创建了两个随机数组(arr1和arr2)，然后使用numpy.savez()将它们保存到文件arrays.npz中。接着，我们使用numpy.load()加载保存的数组，并将返回的对象存储在变量data中。最后，我们使用data['arr1']和data['arr2']来访问保存的数组。

总而言之，使用numpy.lib.format模块可以方便地保存和加载NumPy数组，而不需要手动处理数组的结构和元数据。这在处理大规模的数据集时非常有用，可以提高代码的效率和可读性。