Question

我需要编写一些数据类型：

a。 numpy数组的列表，例如[ndarray, ndarray, ndarray]的大小。

b。任何任意的numpy数组，例如np.zeros((5,6)), np.randn((76,2))，依此类推。

c。我还没有想到的任何其他将来的数据类型。

要求：

我需要一个函数来保存所有这些数据类型，而无需进行特定处理，并且将来与上述类型c兼容。
我还需要人类可读格式的输出文件转储。

到目前为止，我只能使用YAML或pickle来达到要求1，而两者都使用二进制文件，即人类不可读。

@staticmethod
def _read_with_yaml(path):
    with open(path, 'r') as stream:
        return yaml.load(stream)

@staticmethod
def _write_with_yaml(path, obj):
    with io.open(path, 'w+', encoding='utf8') as outfile:
        yaml.dump(obj, outfile, default_flow_style=False, allow_unicode=True)

此示例代码输出的文件不可读，但适用于我拥有的数据类型。

是否可以同时满足这两个要求？

Answer 1

不，您的要求无法满足。

您已经具有保存所有这些数据类型的功能yaml.dump()。如您所见，对于numpy数据结构，它不是以一种非常易读的方式进行的。这是由于numpy没有针对其特殊数据结构的转储例程，而是回退到了该数据结构的，不太可读的默认!python....标记转储。现在，您（或YAML或Numpy程序包维护者）可以为那些以更易读的格式进行转储的对象提供特殊的例程，以便可以解决。您可以使更智能，并在不触及Numpy类的情况下获得Numpy数据结构的可读性更高的输出。

但是您希望所有将来的数据类型都使用此方法，IMO则采用了Gödel定理的一种变体：即使扩展了YAML库，使其涵盖了所有已知的情况并以可读的方式将其转储，总会有新的数据结构，特别是在基于C的扩展（例如Numpy）中，如果不进行额外的工作就无法以可读的方式表示。

所以因为你

我还没有想到的其他未来未知数据类型。

前提，这不仅是很多艰巨的工作，而且是不可能的。

如何以人类可读的格式写入yaml文件？

1 个答案: