In [584]: d=np.ma.dumps(foo)
In [585]: d
Out[585]: b'\x80\x03cnumpy.core.multiarray\n_reconstruct\nq\x00cnumpy\nndarray\nq\x01K\x00\x85q\x02C\x01bq\x03\x87q\x04Rq\x05(K\x01K\x03\x85q\x06cnumpy\ndtype\nq\x07X\x02\x00\x00\x00i4q\x08K\x00K\x01\x87q\tRq\n(K\x03X\x01\x00\x00\x00<q\x0bNNNJ\xff\xff\xff\xffJ\xff\xff\xff\xffK\x00tq\x0cb\x89C\x0c\x01\x00\x00\x00\x02\x00\x00\x00\x03\x00\x00\x00q\rtq\x0eb.'
In [586]: np.loads(d)
Out[586]: array([1, 2, 3])
In [587]: np.ma.loads(d)
Out[587]: array([1, 2, 3])
In [588]: import pickle
In [589]: pickle.loads(d)
Out[589]: array([1, 2, 3])
使用pickle接口保存和加载数组:
In [594]: np.ma.dump(foo,open('test.pkl','wb'))
In [595]: np.load('test.pkl')
Out[595]: array([1, 2, 3])
In [600]: pickle.load(open('test.pkl','rb'))
Out[600]: array([1, 2, 3])
我建议坚持使用},除非pickle有一些额外的功能需要。那么直接使用
np.save
和{pickle
而不是通过np
同义词之一来使用pickle
可能就不那么容易混淆了。在==========
{{cd6>这是另一个未记录的名字。在
^{pr2}$np.ma.loads
有更多的文档,但只是:np.load
将使用pickle
来处理那些不是常规数组的东西,但是它会从np.save
格式执行自己的加载。看看它的文件是怎么说的腌制物品。更让人困惑。^数组的{np.save
。也就是说,ndarray
的pickle格式是save
。在所以}之间有关系,但与}之间的关系并不完全相同。在
np.load
和{pickle.load
和{==============
没有
np.dumps
,但有一个np.ma.dumps
使用pickle接口保存和加载数组:
这是一个暂时的解决办法:
相关问题 更多 >
编程相关推荐