python - 为什么 numpy 可以保存和加载不同于 numpy 数组的对象

Question

我试图提出另一个观点，不小心使用 numpy np.save() 保存了一个 dict。令我惊讶的是，这种方法似乎完全没有问题。我用另一个对象尝试了上面的操作，它不像 list 那样 np.array 并且它似乎工作正常。

例如下面的代码，使用np.save() 和np.load() 保存和加载一个对象:

list_file = 'random_list.npy'
random_list = [x*2 for x in range(20)]
np.save(list_file, random_list)

# load numpy array
random_list2 = np.load(list_file)
set(random_list) == set(random_list2)

True

所以，我的问题是:

1. 为什么这会成功，因为在 documentation 中只提到数组？
2. 同样，如果要处理其他对象，那么可以处理哪些对象？

我知道 pickle 有一些限制，这可能会影响可以处理的对象的性质，但仍然存在很多不清楚的地方。

编辑:
我认为 np.save() 只是试图将作为参数传递的对象转换为 numpy 数组，但在某些情况下这没有任何意义，例如 dict。

例如，传递给 np.array 的 dict 似乎根本不起作用:

a = {1: 0, 2: 1, 3: 2}
b = np.array(a)
type(b)

numpy.ndarray

b.shape

()

Answer 1

numpy.save()将其参数记录为“类数组”。

根据 numpy: formal definition of "array_like" objects? , 底层 numpy/core/src/multiarray/ctors.c:PyArray_FromAny()接受:

/* op is an array */

/* op is a NumPy scalar */

/* op is a Python scalar */

/* op supports the PEP 3118 buffer interface */

/* op supports the __array_struct__ or __array_interface__ interface */

/* op supplies the __array__ function. */

/* Try to treat op as a list of lists */

---

具体到dict，执行路径是这样的:

numpy/npyio.py -> numpy/core/numeric.py:asanyarray() -> numpy/core/src/multiarray/multiarraymodule.c:_array_fromobject() -> numpy/core/src/multiarray/ctors.c:PyArray_CheckFromAny() ->前面提到的 PyArray_FromAny。那里:

<...>
PyArray_GetArrayParamsFromObject(op, newtype,
                        0, &dtype,
                        &ndim, dims, &arr, context)
<...>
        else {
            if (newtype == NULL) {
                newtype = dtype;    #object dtype
<...>
            ret = (PyArrayObject *)PyArray_NewFromDescr(&PyArray_Type, newtype,
                                         ndim, dims,
                                         NULL, NULL,
                                         flags&NPY_ARRAY_F_CONTIGUOUS, NULL);
    return (PyObject *)ret;