numpy.load#

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

从 .npy、.npz 或 pickle 文件中加载数组或 pickle 对象。

警告

加载包含对象数组的文件会使用 pickle 模块，该模块对错误或恶意构造的数据不安全。考虑传递 allow_pickle=False 来加载已知不包含对象数组的数据，以便更安全地处理不受信任的来源。

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 文件也要求类文件对象支持 readline() 方法。

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

如果非 None，则使用给定的模式将文件内存映射（请参阅 numpy.memmap 以详细了解这些模式）。内存映射数组保存在磁盘上。但是，可以像任何 ndarray 一样访问和切片它。内存映射对于访问大型文件的较小片段特别有用，而无需将整个文件读入内存。

allow_pickle布尔值，可选

允许加载存储在 npy 文件中的 pickle 对象数组。不允许 pickle 的原因包括安全问题，因为加载 pickle 数据可以执行任意代码。如果禁止 pickle，则加载对象数组将失败。默认值：False

版本 1.16.3 中的更改： 为响应 CVE-2019-6446 将默认值更改为 False。

fix_imports布尔值，可选

仅在 Python 3 上加载 Python 2 生成的 pickle 文件时有用，其中包括包含对象数组的 npy/npz 文件。如果 fix_imports 为 True，则 pickle 将尝试将旧的 Python 2 名称映射到 Python 3 中使用的新的名称。

encoding字符串，可选

读取 Python 2 字符串时使用的编码。仅在 Python 3 中加载 Python 2 生成的 pickle 文件时有用，其中包括包含对象数组的 npy/npz 文件。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_size整数，可选

允许的最大标头大小。大型标头可能无法安全加载，因此需要显式传递更大的值。有关详细信息，请参阅 ast.literal_eval。传递 allow_pickle 时，此选项将被忽略。在这种情况下，文件按定义是受信任的，并且限制是不必要的。

返回值：
result数组、元组、字典等

存储在文件中的数据。对于 .npz 文件，必须关闭返回的 NpzFile 类实例，以避免泄漏文件描述符。

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，但给定 allow_pickle=False。

EOFError

当在同一文件句柄上多次调用 np.load 时，如果所有数据都已读取

另请参阅

save、savez、savez_compressed、loadtxt
memmap

创建到存储在磁盘上的文件中数组的内存映射。

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，则返回类似字典的对象，其中包含 {filename: array} 键值对，每个文件在归档文件中都有一个。

  • 如果文件是 .npz 文件，则返回的值以类似于 open 函数的方式支持上下文管理器协议

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

    退出“with”块时，底层文件描述符将关闭。

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])
本页内容