numpy.load#

numpy.load(file, mmap_mode=None, allow_pickle=False, fix_imports=True, encoding='ASCII', *, max_header_size=10000)[源代码]#

从 .npy, .npz 或 pickle 文件加载数组或 pickle 对象。

警告

加载包含对象数组的文件会使用 pickle 模块，该模块不能防止错误或恶意构造的数据。考虑传递 allow_pickle=False 来加载已知不包含对象数组的数据，以更安全地处理不可信的源。

参数:
file类文件对象、字符串或 pathlib.Path

要读取的文件。类文件对象必须支持 seek() 和 read() 方法，并且必须始终以二进制模式打开。Pickle 文件要求类文件对象也支持 readline() 方法。

mmap_mode{None, ‘r+’, ‘r’, ‘w+’, ‘c’}, 可选

如果不是 None，则内存映射文件，使用给定的模式（有关模式的详细说明，请参阅 numpy.memmap）。内存映射的数组保留在磁盘上。但是，它可以像任何 ndarray 一样被访问和切片。内存映射对于访问大文件的小片段而无需将整个文件读入内存特别有用。

allow_picklebool, 可选

允许加载存储在 npy 文件中的 pickle 对象数组。禁止加载 pickle 的原因包括安全性，因为加载 pickle 数据可能会执行任意代码。如果禁止 pickle，加载对象数组将失败。默认值：False

fix_importsbool, 可选

仅当加载 Python 2 生成的 pickle 文件（包括包含对象数组的 npy/npz 文件）时才有用。如果 fix_imports 为 True，pickle 会尝试将旧的 Python 2 名称映射到 Python 3 中使用的新名称。

encodingstr，可选

读取 Python 2 字符串时使用的编码。仅当加载 Python 2 生成的 pickle 文件（包括包含对象数组的 npy/npz 文件）时才有用。不允许使用“latin1”、“ASCII”和“bytes”以外的值，因为它们可能会损坏数值数据。默认值：“ASCII”

max_header_sizeint, 可选

允许的最大头文件大小。大型头文件可能不安全加载，因此需要显式传递更大的值。有关详细信息，请参阅 ast.literal_eval。当传递 allow_pickle 时，将忽略此选项。在这种情况下，文件是可信的，限制是不必要的。

返回:
resultarray, tuple, dict 等。

存储在文件中的数据。对于 .npz 文件，返回的 NpzFile 类实例必须关闭以避免文件描述符泄露。

引发:
OSError

如果输入文件不存在或无法读取。

UnpicklingError

如果 allow_pickle=True，但文件无法作为 pickle 加载。

ValueError

文件包含对象数组，但提供了 allow_pickle=False。

EOFError

当对同一文件句柄多次调用 np.load 时，如果所有数据已读完

另请参阅

save, savez, savez_compressed, loadtxt
memmap

创建内存映射到磁盘上的文件中的数组。

lib.format.open_memmap

创建或加载内存映射的 .npy 文件。

备注

  • 如果文件包含 pickle 数据，则返回 pickle 中存储的任何对象。

  • 如果文件是 .npy 文件，则返回单个数组。

  • 如果文件是 .npz 文件，则返回一个类似字典的对象，其中包含档案中每个文件的 {文件名: 数组} 键值对。

  • 如果文件是 .npz 文件，则返回的值支持上下文管理器协议，方式类似于 open 函数

    with load('foo.npz') as data:
    a = data['a']

    在退出 'with' 块时，底层文件描述符将被关闭。

示例

>>> import numpy as np

将数据存储到磁盘，然后再次加载

>>> np.save('/tmp/123', np.array([[1, 2, 3], [4, 5, 6]]))
>>> np.load('/tmp/123.npy')
array([[1, 2, 3],
       [4, 5, 6]])

将压缩数据存储到磁盘，然后再次加载

>>> a=np.array([[1, 2, 3], [4, 5, 6]])
>>> b=np.array([1, 2])
>>> np.savez('/tmp/123.npz', a=a, b=b)
>>> data = np.load('/tmp/123.npz')
>>> data['a']
array([[1, 2, 3],
       [4, 5, 6]])
>>> data['b']
array([1, 2])
>>> data.close()

内存映射存储的数组，然后直接从磁盘访问第二行

>>> X = np.load('/tmp/123.npy', mmap_mode='r')
>>> X[1, :]
memmap([4, 5, 6])
在此页面