Question

对于我的研究，我正在使用由复杂数据组成的大型numpy数组。

arr_real = arr.real 
arr_im = arr.imag

存储时，每个约3 GB。加载这些数组是一个耗时的过程，这让我想知道是否有办法加速这个过程

我想到的其中一件事就是将数组拆分为复杂而真实的部分：

{{1}}

并单独保存每个部分。但是，这似乎并没有显着提高处理速度。有一些关于使用大型数组的文档，但我还没有找到有关处理复杂数据的大量信息。是否有智能（呃）方法来处理大型复杂阵列？

Answer 1

如果您只需要内存中的部分数组，可以使用memory mapping加载它：

arr = np.load('array.npy', mmap_mode='r')

来自文档：

内存映射阵列保留在磁盘上。但是，它可以访问和像任何ndarray一样切片。内存映射对于特别有用访问大文件的小片段而不读取整个文件归档到内存中。