Numpy 的数据保存与载入方法比 Python 的 pickle 要方便的多。而且由于目前大多数的复杂数据处理都使用 Numpy，因此相比较而言 npy/npz 的 Numpy 数据保存与载入更为常用。

函数说明

numpy.load(file, mmap_mode=None, allow_pickle=True, fix_imports=True, encoding=‘ASCII’)

用于载入 npy/npz 数据文件内的数据。

• npy 文件用于保存 ndarray 类型的数据，使用 numpy.save 函数保存数据；
• npz 文件用于保存 nadrray 数据组成的字典，使用 numpy.savez 函数保存数据。

numpy.save(file, arr, allow_pickle=True, fix_imports=True)

用于将 ndarray 类型的数据保存至扩展名为 npy 的数据文件中。

numpy.savez(file, *args, **kwds)

用于将 ndarray 类型的数据以字典的形式保存在扩展名为 npz 的数据文件中。

代码试验

import numpy as np

a = np.arange(1, 11, dtype=np.float32)
np.save("d:/arr", a)

b = np.load("d:/arr.npy")
print("a: ", a)
print("b: ", b)

np.savez("d:/dict_arr", array_a=a, array_b=b)
c = np.load("d:/dict_arr.npz")

for key, arr in c.items():
	print(key, ": ", arr)

输出：

a: [ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]
b: [ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]
array_a : [ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]
array_b : [ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]

原文链接:https://blog.csdn.net/botao_li/article/details/104719198