Question

根据NumPy文档here，默认情况下，矩阵会与allow_pickle=True一起保存，而且，它们会说明此默认行为可能会出现问题：

allow_pickle：bool，可选
允许使用Python pickles保存对象数组。禁止泡菜的原因包括安全性（加载腌制数据可以执行任意代码）和可移植性（腌制对象可能无法在不同的Python安装上加载，例如，如果存储的对象需要不可用的库，并且并非所有的pickle数据都兼容Python 2和Python 3）。
默认值：True

阅读之后，我当然更喜欢使用allow_pickle=False - 但是当它以这种方式使用时，它们并没有说明有什么不同。默认情况下，默认情况下，他们必须使用allow_pickel=True。

您能告诉我您是否使用allow_pickle=False以及它的行为方式有何不同？

Answer 1

对象数组只是一个普通的numpy数组，dtype是object;如果数组的内容不是正常的数字类型（如int或float等），则会发生这种情况。我们可以试着用对象保存一个numpy数组，只是为了测试它是如何工作的。一种简单的对象是dict：

>>> import numpy as np
>>> a = np.array([{x: 1} for x in range(4)])
>>> a
array([{0: 1}, {1: 1}, {2: 1}, {3: 1}], dtype=object)
>>> np.save('test.pkl', a)

加载此版本可以正常工作：

>>> np.load('test.pkl.npy')
array([{0: 1}, {1: 1}, {2: 1}, {3: 1}], dtype=object)

但是，如果不使用pickle，则无法保存数组：

>>> np.save('test.pkl', a, allow_pickle=False)
...
ValueError: Object arrays cannot be saved when allow_pickle=False

泡菜的经验法则是，如果你正在加载你制作的泡菜，那么你是安全的，但你应该小心加载从其他地方获得的泡菜。首先，如果您没有安装用于制作pickle的相同库（或库版本），则可能无法加载pickle（这就是 portability 的意思以上）。 安全性是另一个潜在的问题;例如，您可以在this article中阅读有关如何滥用泡菜的信息。

NumPy：将'np.save（）'与'allow_pickle = False'一起使用的后果

1 个答案: