方便的数据二进制存储

数组存储

ref：https://blog.csdn.net/Dust_Evc/article/details/127986584

.npy文件是numpy专用的二进制文件

• np.save("D:/path/npp.npy", var)：数组var会以未压缩的原始二进制格式保存在扩展名为 .npy 的文件中。

numpy.save(file, arr, allow_pickle=True, fix_imports=True)

—— 参数 ——
file ：数据被保存到的文件或文件名。如果文件是一个字符串或路径，如果它还没有扩展名，将在文件名上添加一个.npy扩展名。如果文件是一个文件对象，那么文件名将不会改变。
allow_pickle： 允许使用Python pickles保存对象数组。不允许pickles的原因包括安全(加载pickled数据可以执行任意代码)和可移植性(pickled对象在不同的Python安装中可能无法加载)。默认值True。
fix_imports ：只有在强迫Python 3上对象数组中的对象以Python 2兼容的方式被腌制时才有用。
arr：要保存的阵列数据。

返回：将输入的数组存储在一个以npy为扩展名(.npy)的磁盘文件中。

• numpy.load()：读取 .npy 文件的数据，直接转换为 numpy 数组

numpy.load(file, mmap_mode=None, allow_pickle=True, fix_imports=True, encoding=’ASCII’)

—— 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。
mmap_mode：如果不是无，则使用给定的模式对文件进行内存映射（详细的内存映射模式见numpy.memmap）。 模式的描述）。
allow_pickle：允许加载存储在npy文件中的腌制对象数组。
fix_imports：只有在Python3上加载Python2生成的pickled文件时有用，其中包括包含对象数组的npy/npz文件。
encoding：只有在Python3中加载Python 2生成的pickled文件时有用，其中包括包含对象数组的npy/npz文件。
返回：存储在文件中的数据。对于.npz文件，返回的NpzFile类的实例必须被关闭，以避免文件描述符的泄露。

• 注意：如果报错 Object arrays cannot be loaded when allow_pickle=False，需要改为如下：

np.load(path, allow_pickle=True)

sklearn模型存储

ref：http://t.zoukankan.com/zichun-zeng-p-4761602.html
使用python的机器学习包sklearn的时候，如果训练集是固定的，我们往往想要将一次训练的模型结果保存起来，以便下一次使用，这样能够避免每次运行时都要重新训练模型时的麻烦。

在python里面，有一个joblib可以实现将模型保存，并将保存后的模型取出用于不同的测试集：

from sklearn import svm
from sklearn.externals import joblib

#训练模型
clf = svc = svm.SVC(kernel='linear')
rf=clf.fit(array(trainMat), array(listClasses))

＃保存模型
joblib.dump(rf,'rf.model')

＃加载模型
RF=joblib.load('rf.model')

＃应用模型进行预测
result=RF.predict(thsDoc)

• 需要注意：这里执行joblib.dump()之后，有可能还会生成若干个以rf.model_XX.npy为命名格式的文件，这有可能是用于保存模型中的系数等的二进制文件。其具体生成的文件的个数还会随调用到的分类器的不同，以及分类器中迭代次数的参数的不同而变，有时候会生成几个，有时候会生成几百个。