我正在寻找一种保存大型numpy阵列的快速方法。我想以二进制格式将它们保存到磁盘上，然后相对快速地将它们读回内存。不幸的是，cPickle不够快
我找到了numpy.savez和numpy.load。但奇怪的是，numpy.load将npy文件加载到“内存映射”中。这意味着数组的常规操作非常缓慢。例如，像这样的事情会非常缓慢：
#/usr/bin/python
输入numpy作为np；
导入时间；
从临时文件导入临时文件
n=10000000；
a=np.arange（n）
b=np.arange（n）*10
c=np.arange（n）*-0.5
file=临时文件（）
np.savez（文件，a=a，b=b，c=c）；
file.seek（0）
t=time.time（）
z=np.load（文件）
打印“加载时间=，time.time（）-t
t=time.time（）
aa=z['a']
bb=z['b']
cc=z['c']
打印“分配时间=”，time.time（）-t；
更准确地说，第一行速度非常快，但将数组分配给obj的其余行速度慢得可笑：
加载时间=0.000220775604248
辅助时间=2.72940087318
有没有更好的方法来保存numpy数组？理想情况下，我希望能够在一个文件中存储多个数组
我比较了存储numpy阵列的多种方法的性能（空间和时间）。它们中很少有支持每个文件有多个数组，但无论如何，它可能还是有用的
Npy和二进制文件对于密集数据来说都非常快速和小。如果数据是稀疏的或非常结构化的，您可能希望使用npz进行压缩，这将节省大量空间，但会花费一些加载时间
如果可移植性是一个问题，二进制比npy更好。如果人的可读性很重要，那么您将不得不牺牲大量的性能，但是使用csv可以很好地实现这一点（当然，csv也是非常可移植的）
更多详细信息和代码可在github repo上获得