我最近遇到了numpy.savez和numpy.savez_compressed。两者似乎都能很好地处理不同类型的数组，包括对象数组。但是，numpy.load不能很好地处理对象类型数组。举例来说：
import numpy as np
numbers = np.full((10, 1), np.pi)
strings = np.full((10, 1), "letters", dtype=object)
np.savez("test.npz", numbers=numbers, strings=strings)
data = np.load("test.npz")调用data["strings"]会抛出以下ValueError：
ValueError: Object arrays cannot be loaded when allow_pickle=False但是，在numpy.load上启用pickle可以解决此问题。在numpy.savez和numpy.savez_compressed文档中没有讨论Pickling.这让我想知道为什么需要pickle来加载数据。numpy.savez和numpy.savez_compressed是否在后台自动使用pickle？
3条答案
按热度按时间vx6bjr1n1#
由于您有
dtype=object，因此将使用pickle（序列化Python对象）。默认情况下，在保存时允许使用pickle序列化，但在加载时必须显式请求使用pickle序列化。这是因为加载pickle数据可能会执行任意代码，对于不受信任的输入，这将是一个安全问题。
qgzx9mmu2#
np.savez和np.savez_compressed在后台自动使用pickle吗？
对于对象类型数据，是的。
对于其他类型的数据，如浮点数、整型数、长整型数或字节，则不使用pickle。
对于np.save（），没有
allow_pickle的等价物，因为加载pickle对象可能是一个安全问题，但保存pickle对象不是。xyhw6mcr3#
一般来说，是的，使用pickle模块。
在下面的源代码链接中查找“Loading files that contain object arrays uses the
picklemodule”。https://github.com/numpy/numpy/blob/v1.26.0/numpy/lib/npyio.py#L555-L639