Question

这里的第一个问题。我会尽量简明扼要。

我正在生成包含机器学习应用程序的功能信息的多个数组。由于数组没有相同的尺寸，我将它们存储在字典而不是数组中。有两种不同的功能，所以我使用两种不同的词典。

我还会生成标签以配合这些功能。这些标签存储在数组中。此外，还有一些字符串包含用于运行脚本的确切参数和时间戳。

总而言之，它看起来像这样：

import numpy as np    

feature1 = {}
feature2 = {}
label1 = np.array([])
label2 = np.array([])
docString = 'Commands passed to the script were...'

# features look like this:
feature1 = {'case 1': np.array([1, 2, 3, ...]),
            'case 2': np.array([2, 1, 3, ...]),
            'case 3': np.array([2, 3, 1, ...]),
            and so on... }

现在我的目标是做到这一点：

np.savez(outputFile, 
         saveFeature1 = feature1, 
         saveFeature2 = feature2, 
         saveLabel1 = label1, 
         saveLabel2 = label2,
         saveString = docString)

这看起来很有效（即保存这样的文件没有抛出任何错误，可以再次加载）。但是，当我尝试再次加载文件中的功能时：

loadedArchive = np.load(outFile)
loadedFeature1 = loadedArchive['saveFeature1']
loadedString = loadedArchive['saveString']

然后我没有得到一本字典，而是得到一个形状（0）的numpy数组，我不知道如何访问内容：

In []: loadedFeature1
Out[]: 
       array({'case 1': array([1, 2, 3, ...]), 
              'case 2': array([2, 3, 1, ...]), 
              ..., }, dtype=object)

字符串也会变成数组并获得奇怪的数据类型：

In []: loadedString.dtype
Out[]: dtype('|S20')

所以简而言之，我假设这不是如何正确完成的。但是我宁愿不把所有变量放到一个大字典中，因为我会在另一个进程中检索它们，并且只想循环遍历dictionary.keys（）而不用担心字符串比较。

非常感谢任何想法。感谢

Answer 1

正如@fraxel已经建议的那样，在这种情况下使用pickle是一个更好的选择。只需将dict与您的商品一起保存即可。

但是，请务必使用带有二进制协议的pickle。默认情况下，格式效率较低，如果阵列较大，将导致内存使用过多和文件过多。

saved_data = dict(outputFile, 
                  saveFeature1 = feature1, 
                  saveFeature2 = feature2, 
                  saveLabel1 = label1, 
                  saveLabel2 = label2,
                  saveString = docString)

with open('test.dat', 'wb') as outfile:
    pickle.dump(saved_data, outfile, protocol=pickle.HIGHEST_PROTOCOL)

有人说过，让我们来看看为了说明目的而更详细地发生了什么。

numpy.savez期望每个项目都是一个数组。实际上，它会对您传入的所有内容调用np.asarray。

如果将dict转换为数组，则会得到一个对象数组。 E.g。

import numpy as np

test = {'a':np.arange(10), 'b':np.arange(20)}
testarr = np.asarray(test)

同样，如果你从一个字符串中创建一个数组，你将获得一个字符串数组：

In [1]: np.asarray('abc')
Out[1]: 
array('abc', 
      dtype='|S3')

但是，由于处理对象数组的方式很奇怪，如果传入一个不是元组，列表或数组的单个对象（在您的情况下，您的dict），那么''将获得一个0维对象数组。

这意味着您无法直接将其编入索引。实际上，执行testarr[0]会提升IndexError。数据仍然存在，但您需要先添加维度，因此您必须执行yourdictionary = testarr.reshape(-1)[0]。

如果所有这些看起来都很笨重，那是因为它是。对象数组基本上总是错误的答案。（虽然asarray可以说是ndmin=1传递给array，这可以解决这个问题，但可能会破坏其他事情。）

savez旨在存储数组，而不是任意对象。由于它的工作方式，可以存储完全任意的对象，但不应该以这种方式使用。

如果您确实想要使用它，可以采取快速解决方法：

np.savez(outputFile, 
         saveFeature1 = [feature1], 
         saveFeature2 = [feature2], 
         saveLabel1 = [label1], 
         saveLabel2 = [label2],
         saveString = docString)

然后您可以使用

访问内容

loadedArchive = np.load(outFile)
loadedFeature1 = loadedArchive['saveFeature1'][0]
loadedString = str(loadedArchive['saveString'])

然而，这显然比仅仅使用泡菜更笨重。当您只是保存数组时使用numpy.savez。在这种情况下，您将保存嵌套数据结构，而不是数组。

Answer 2

如果您需要以结构化方式保存数据，则应考虑使用HDF5文件格式（http://www.hdfgroup.org/HDF5/）。它非常灵活，易于使用，高效，其他软件可能已经支持它（HDFView，Mathematica，Matlab，Origin ..）。有一个名为h5py的简单python绑定。

您可以将数据集存储在文件系统（如结构）中，并为每个数据集定义属性，例如字典。例如：

import numpy as np
import h5py

# some data
table1 = np.array([(1,1), (2,2), (3,3)], dtype=[('x', float), ('y', float)])
table2 = np.ones(shape=(3,3))

# save to data to file
h5file = h5py.File("test.h5", "w")
h5file.create_dataset("Table1", data=table1)
h5file.create_dataset("Table2", data=table2, compression=True)
# add attributes
h5file["Table2"].attrs["attribute1"] = "some info"
h5file["Table2"].attrs["attribute2"] = 42
h5file.close()

读取数据也很简单，如果需要，甚至可以从大文件中加载一些元素：

h5file = h5py.File("test.h5", "r")
# read from file (numpy-like behavior)
print h5file["Table1"]["x"][:2]
# read everything into memory (real numpy array)
print np.array(h5file["Table2"])
# read attributes
print h5file["Table2"].attrs["attribute1"]

在文档和网站上可以找到更多功能和可能性（Quick Start Guide可能会引起您的兴趣）。

Answer 3

将所有变量放入对象中，然后使用Pickle。这是存储状态信息的更好方法。

如何在同一个存档中保存字典和数组（使用numpy.savez）

3 个答案: