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,该模块对于错误或恶意构造的数据并不安全. 考虑传递 allow_pickle=False 以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 文件还要求类文件对象支持 readline() 方法.

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

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 ). 内存映射的数组保存在磁盘上. 但是,它可以像任何 ndarray 一样访问和切片. 内存映射对于访问大型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 pickle 的原因包括安全性,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

fix_importsbool,可选

仅在加载 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 中使用的新名称.

encodingstr, optional

读取 Python 2 字符串时要使用的编码. 仅在加载 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,因为它们会损坏数值数据. 默认值:’ASCII’

max_header_sizeint, optional

允许的最大标头大小.大型标头可能无法安全地加载,因此需要显式传递更大的值. 有关详细信息,请参见 ast.literal_eval .当传递 allow_pickle 时,此选项将被忽略.在这种情况下,该文件在定义上是受信任的,并且该限制是不必要的.

返回:
result数组,元组,字典等.

存储在文件中的数据.对于 .npz 文件,返回的 NpzFile 类的实例必须关闭,以避免文件描述符泄漏.

Raises:
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

文件包含一个对象数组,但给出了 allow_pickle=False .

EOFError

当对同一文件句柄多次调用 np.load 时,如果所有数据都已读取

参见

save , savez , savez_compressed , loadtxt
memmap

创建一个内存映射,指向存储在磁盘文件中的数组.

lib.format.open_memmap

创建或加载一个内存映射的 .npy 文件.

注释

  • 如果文件包含 pickle 数据,则返回存储在 pickle 中的任何对象.

  • 如果文件是 .npy 文件,则返回一个数组.

  • 如果文件是 .npz 文件,则返回一个类似字典的对象,其中包含 {filename: array} 键值对,每个文件对应于存档中的一个文件.

  • 如果文件是一个 .npz 文件,则返回的值支持上下文管理器协议,其方式与 open 函数类似:

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

    退出 ‘with’ 代码块时,底层文件描述符将关闭.

示例

>>> import numpy as np

将数据存储到磁盘,然后再次加载它:

>>> 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,然后再次加载它:

>>> 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()

对存储的数组进行内存映射,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])
On this page