numpy.lib.format#

二进制序列化

NPY 格式#

一种将 NumPy 数组及其完整信息保存到磁盘的简单格式。

.npy 格式是 NumPy 中将单个任意 NumPy 数组持久化到磁盘的标准二进制文件格式。该格式存储重建数组所需的所有形状和 dtype 信息,即使在架构不同的其他机器上也能正确重建。该格式旨在在实现其有限目标的同时尽可能简单。

.npz 格式是将多个 NumPy 数组持久化到磁盘的标准格式。 .npz 文件是一个 zip 文件,包含多个 .npy 文件,每个文件对应一个数组。

功能#

  • 可以表示所有 NumPy 数组,包括嵌套的记录数组和对象数组。

  • 以其本机二进制形式表示数据。

  • 直接支持 Fortran 连续数组。

  • 存储重建数组所需的所有信息,包括在不同架构的机器上重建数组的形状和 dtype。支持小端和大端数组,并且包含小端数字的文件将在读取该文件的任何机器上生成小端数组。类型根据其实际大小进行描述。例如,如果一台具有 64 位 C“长整型”的机器写出一个包含“长整型”的数组,则读取该文件的具有 32 位 C“长整型”的机器将生成一个包含 64 位整数的数组。

  • 易于反向工程。数据集通常比创建它们的程序存活时间更长。一个有能力的开发人员应该能够使用他们喜欢的编程语言创建一个解决方案来读取他们获得的大多数 .npy 文件,而无需太多文档。

  • 允许内存映射数据。参见 open_memmap

  • 可以从类文件流对象而不是实际文件读取。

  • 存储对象数组,即包含任意 Python 对象作为元素的数组。包含对象数组的文件不能进行内存映射,但可以读写到磁盘。

限制#

  • numpy.ndarray 的任意子类不会完全保留。子类将被接受写入,但只会写入数组数据。读取文件时将创建一个常规的 numpy.ndarray 对象。

警告

由于结构化 dtype 解释中的限制,字段名称为空的 dtype 的名称将被替换为“f0”、“f1”等。此类数组不会完全准确地往返于格式。数据是完整的;只有字段名称会有所不同。我们正在为此修复。此修复不需要更改文件格式。此类结构的数组仍然可以保存和恢复,并且可以使用 loadedarray.view(correct_dtype) 方法恢复正确的 dtype。

文件扩展名#

我们建议对以这种格式保存的文件使用 .npy.npz 扩展名。这绝不是强制要求;应用程序可能希望使用这些文件格式,但使用特定于应用程序的扩展名。但是,在没有明显的替代方案的情况下,我们建议使用 .npy.npz

版本编号#

这些格式的版本编号与 NumPy 版本编号无关。如果格式升级,numpy.io 中的代码仍然能够读取和写入 1.0 版的文件。

格式版本 1.0#

前 6 个字节是魔数字符串:正好是 \x93NUMPY

下一个 1 个字节是无符号字节:文件格式的主版本号,例如 \x01

下一个 1 个字节是无符号字节:文件格式的次版本号,例如 \x00。注意:文件格式的版本与 numpy 包的版本无关。

接下来的 2 个字节形成一个小端无符号短整型:标题数据的长度 HEADER_LEN。

接下来的 HEADER_LEN 个字节形成描述数组格式的标题数据。它是一个 ASCII 字符串,包含字典的 Python 字面表达式。它以换行符 (\n) 结尾,并用空格 (\x20) 填充,以使 len(magic string) + 2 + len(length) + HEADER_LEN 的总数能够被 64 整除,以进行对齐。

字典包含三个键

“descr”dtype.descr

可以作为参数传递给 numpy.dtype 构造函数以创建数组的 dtype 的对象。

“fortran_order”bool

数组数据是 Fortran 连续还是非 Fortran 连续。由于 Fortran 连续数组是非 C 连续的常见形式,因此我们允许它们直接写入磁盘以提高效率。

“shape”整数元组

数组的形状。

为了可重复性和可读性,字典键按字母顺序排序。这只为方便起见。如果可能,编写器 SHOULD 实现这一点。读取器 MUST NOT 依赖于此。

标题之后是数组数据。如果 dtype 包含 Python 对象(即 dtype.hasobject is True),则数据是数组的 Python pickle。否则,数据是数组的连续(C 或 Fortran,取决于 fortran_order)字节。消费者可以通过将形状给出的元素数量(注意 shape=() 表示有一个元素)乘以 dtype.itemsize 来计算字节数。

格式版本 2.0#

1.0 版格式仅允许数组标题的总大小为 65535 字节。列数较多的结构化数组可能会超过此限制。2.0 版格式将标题大小扩展到 4 GiB。 numpy.save 如果数据需要,将自动以 2.0 格式保存,否则将始终使用更兼容的 1.0 格式。

因此,标题第四个元素的描述已变为:“接下来的 4 个字节形成一个小端无符号整数:标题数据的长度 HEADER_LEN。”

格式版本 3.0#

此版本用 utf8 编码的字符串替换 ASCII 字符串(在实践中为 latin1),因此支持具有任何 Unicode 字段名称的结构化类型。

注释#

.npy 格式,包括创建它的动机以及替代方案的比较,在 “npy-format” NEP 中有描述,但是细节随着时间的推移而发展,并且本文档是最新的。

函数

descr_to_dtype(descr)

根据给定的描述返回一个 dtype。

dtype_to_descr(dtype)

从 dtype 获取可序列化的描述符。

header_data_from_array_1_0(array)

从 numpy.ndarray 获取标题元数据的字典。

isfileobj(f)

magic(major, minor)

返回给定文件格式版本的魔数字符串。

open_memmap(filename[, mode, dtype, shape, ...])

将 .npy 文件打开为内存映射数组。

read_array(fp[, allow_pickle, ...])

从 NPY 文件读取数组。

read_array_header_1_0(fp[, max_header_size])

使用 1.0 文件格式版本从类文件对象读取数组标题。

read_array_header_2_0(fp[, max_header_size])

使用 2.0 文件格式版本从类文件对象读取数组标题。

read_magic(fp)

读取魔数字符串以获取文件格式的版本。

write_array(fp, array[, version, ...])

将数组写入 NPY 文件,包括标题。

write_array_header_1_0(fp, d)

使用 1.0 格式写入数组的标题。

write_array_header_2_0(fp, d)

使用 2.0 格式写入数组的标题。