python - pickle numpy 数组或列表时 pickle 文件大小

Question

我有数千个长 (8640) 整数列表元组。例如:

type(l1)
tuple

len(l1)
2

l1[0][:10]
[0, 31, 23, 0, 0, 0, 0, 0, 0, 0]

l1[1][:10]
[0, 0, 11, 16, 24, 0, 0, 0, 0, 0] 

我正在“pickle ”元组，似乎当元组属于列表时， pickle 文件比 numpy 数组时更轻。我不是 python 的新手，但绝不是专家，我真的不知道如何为不同类型的对象管理内存。我本来希望 numpy 数组更轻，但这是我在 pickle 不同类型的对象时得到的:

#elements in the tuple as a numpy array
l2 = [np.asarray(l1[i]) for i in range(len(l1))]
l2
[array([ 0, 31, 23, ...,  2,  0,  0]), array([ 0,  0, 11, ...,  1,  0,  0])]

#integers in the array are small enough to be saved in two bytes
l3 = [np.asarray(l1[i], dtype='u2') for i in range(len(l1))]
l3
[array([ 0, 31, 23, ...,  2,  0,  0], dtype=uint16),
 array([ 0,  0, 11, ...,  1,  0,  0], dtype=uint16)]

#the original tuple of lists
with open('file1.pkl','w') as f:
     pickle.dump(l1, f)

#tuple of numpy arrays
with open('file2.pkl','w') as f:
    pickle.dump(l2, f)

#tuple of numpy arrays with integers as unsigned 2 bytes
with open('file3.pkl','w') as f:
    pickle.dump(l3, f)

当我检查文件大小时:

 $du -h file1.pkl
  72K   file1.pkl

 $du -h file2.pkl
  540K  file2.pkl

 $du -h file3.pkl
 136K   file3.pkl

因此，即使整数保存在两个字节中，file1 也比 file3 轻。我更喜欢使用数组，因为解压缩数组(并处理它们)比列表快得多。但是，我将存储大量这样的元组(在 pandas 数据框中)，因此我也想尽可能优化内存。

我需要它工作的方式是，给出我做的元组列表:

#list of pickle objects from pickle.dumps
tpl_pkl = [pickle.dumps(listoftuples[i]) for i in xrange(len(listoftuples))]

#existing pandas data frame. Inserting new column 
df['tuples'] = tpl_pkl

总的来说，我的问题是:为什么 numpy 数组在 pickle 到文件中后占用的空间比列表多？

也许如果我理解了我可以找到存储数组的最佳方式的原因。

提前感谢您的宝贵时间。

Answer 1

如果你想在磁盘上存储 numpy 数组，你根本不应该使用 pickle。调查numpy.save()及其亲属。

如果您使用的是 pandas，那么它也有自己的方法。您可能想咨询this article或 this question 的答案以获得更好的技术。