关于numpy文件存储的读取速度，与pickle对比

numpy文件有两种后缀名：npy和npz。npy存储的是一个单独的numpy数组，而npz存储的是多个numpy数组。

python中pickle库也可以用于序列化numpy数组。下面做一个实验对比pickle文件和npz文件的读取速度：

import numpy as np
import pickle
import time

class Timer:
    def __init__(self):
        self.start = 0
        self.end = 0
        self.interval = 0
    def __enter__(self):
        self.start = time.time()
        return self
    def __exit__(self, *args):
        self.end = time.time()
        self.interval = self.end - self.start

shape = (1000,1000,500)

arr = np.random.rand(*shape)

name_pickle = "test.pkl"
with open(name_pickle, "wb") as f:
    with Timer() as t:
        pickle.dump(arr, f)
    print(f"pickle dump time: {t.interval}s")


with open(name_pickle, "rb") as f:
    with Timer() as t:
        x = pickle.load(f)
    print(f"pickle load time: {t.interval}s")

print(type(x))
print("\n\n")


name = "test.npz"

with Timer() as t:
    np.savez(name, arr)
print(f"np.savez time: {t.interval}s")

with Timer() as t:
    x = np.load(name, allow_pickle=True)
print(f"np.load time: {t.interval}s")

输出结果是：

pickle dump time: 3.172863721847534s
pickle load time: 1.2087347507476807s
<class 'numpy.ndarray'>



np.savez time: 3.008016347885132s
np.load time: 0.2541012763977051s

看起来np.load比pickle快了一个数量级，简直令人兴奋。不过别急，我们再补一个实验，让它打印npz文件中数组：

with Timer() as t:
    print(type(x))
    print(type(x['arr_0'])) 
print(f"read time: {t.interval}")
print("\n\n")

得到输出：

<class 'numpy.lib.npyio.NpzFile'>
<class 'numpy.ndarray'>
read time: 2.2933874130249023

什么玩意儿？将从npz文件读取到的东西打印出来要两秒多种，都比之前pickle.load从硬盘读文件还慢了。

这只能解释为numpy对npz文件的load函数是一种“懒读取”，返回的只是数组在文件中的句柄，只有在用这个句柄去索引数组时，才会真正读取文件。

所以，np.load并没有比pickle.load快一个数量级，在程序中，没有必要刻意用np.load去替换pickle.load！

另外，numpy的懒读取仅针对npz格式文件，对npy格式文件是立刻读取的。