Python 为什么泡菜要比np.save花这么长时间?
我想保存一个Python 为什么泡菜要比np.save花这么长时间?,python,numpy,save,pickle,Python,Numpy,Save,Pickle,我想保存一个dict或数组 我尝试了np.save和pickle两种方法,发现前者花费的时间要少得多 我的实际数据要大得多,但为了演示起见,我在这里只展示了一小部分: import numpy as np #import numpy.array as array import time import pickle b = {0: [np.array([0, 0, 0, 0])], 1: [np.array([1, 0, 0, 0]), np.array([0, 1, 0, 0]), np.ar
dict
或数组
我尝试了np.save
和pickle
两种方法,发现前者花费的时间要少得多
我的实际数据要大得多,但为了演示起见,我在这里只展示了一小部分:
import numpy as np
#import numpy.array as array
import time
import pickle
b = {0: [np.array([0, 0, 0, 0])], 1: [np.array([1, 0, 0, 0]), np.array([0, 1, 0, 0]), np.array([0, 0, 1, 0]), np.array([0, 0, 0, 1]), np.array([-1, 0, 0, 0]), np.array([ 0, -1, 0, 0]), np.array([ 0, 0, -1, 0]), np.array([ 0, 0, 0, -1])], 2: [np.array([2, 0, 0, 0]), np.array([1, 1, 0, 0]), np.array([1, 0, 1, 0]), np.array([1, 0, 0, 1]), np.array([ 1, -1, 0, 0]), np.array([ 1, 0, -1, 0]), np.array([ 1, 0, 0, -1])], 3: [np.array([1, 0, 0, 0]), np.array([0, 1, 0, 0]), np.array([0, 0, 1, 0]), np.array([0, 0, 0, 1]), np.array([-1, 0, 0, 0]), np.array([ 0, -1, 0, 0]), np.array([ 0, 0, -1, 0]), np.array([ 0, 0, 0, -1])], 4: [np.array([2, 0, 0, 0]), np.array([1, 1, 0, 0]), np.array([1, 0, 1, 0]), np.array([1, 0, 0, 1]), np.array([ 1, -1, 0, 0]), np.array([ 1, 0, -1, 0]), np.array([ 1, 0, 0, -1])], 5: [np.array([0, 0, 0, 0])], 6: [np.array([1, 0, 0, 0]), np.array([0, 1, 0, 0]), np.array([0, 0, 1, 0]), np.array([0, 0, 0, 1]), np.array([-1, 0, 0, 0]), np.array([ 0, -1, 0, 0]), np.array([ 0, 0, -1, 0]), np.array([ 0, 0, 0, -1])], 2: [np.array([2, 0, 0, 0]), np.array([1, 1, 0, 0]), np.array([1, 0, 1, 0]), np.array([1, 0, 0, 1]), np.array([ 1, -1, 0, 0]), np.array([ 1, 0, -1, 0]), np.array([ 1, 0, 0, -1])], 7: [np.array([1, 0, 0, 0]), np.array([0, 1, 0, 0]), np.array([0, 0, 1, 0]), np.array([0, 0, 0, 1]), np.array([-1, 0, 0, 0]), np.array([ 0, -1, 0, 0]), np.array([ 0, 0, -1, 0]), np.array([ 0, 0, 0, -1])], 8: [np.array([2, 0, 0, 0]), np.array([1, 1, 0, 0]), np.array([1, 0, 1, 0]), np.array([1, 0, 0, 1]), np.array([ 1, -1, 0, 0]), np.array([ 1, 0, -1, 0]), np.array([ 1, 0, 0, -1])]}
start_time = time.time()
with open('testpickle', 'wb') as myfile:
pickle.dump(b, myfile)
print("--- Time to save with pickle: %s milliseconds ---" % (1000*time.time() - 1000*start_time))
start_time = time.time()
np.save('numpy', b)
print("--- Time to save with numpy: %s milliseconds ---" % (1000*time.time() - 1000*start_time))
start_time = time.time()
with open('testpickle', 'rb') as myfile:
g1 = pickle.load(myfile)
print("--- Time to load with pickle: %s milliseconds ---" % (1000*time.time() - 1000*start_time))
start_time = time.time()
g2 = np.load('numpy.npy')
print("--- Time to load with numpy: %s milliseconds ---" % (1000*time.time() - 1000*start_time))
它给出了一个输出:
--- Time to save with pickle: 4.0 milliseconds ---
--- Time to save with numpy: 1.0 milliseconds ---
--- Time to load with pickle: 2.0 milliseconds ---
--- Time to load with numpy: 1.0 milliseconds ---
对于我的实际大小(dict中约100000个键),时间差更为明显
为什么pickle的保存和加载时间都比np.save长
我应该在什么时候使用pickle?,因为只要写入的对象不包含Python数据
- numpy对象在内存中的表示方式比Python对象简单得多
- save是用C编写的
- numpy.save以需要最少处理的超级简单格式写入
- Python对象有很多开销
- pickle是用Python编写的
- pickle将数据从内存中的底层表示转换为磁盘上写入的字节
请注意,如果numpy数组确实包含Python对象,那么numpy只会对数组进行pickle处理,所有的胜利都会消失。因为只要写入的对象不包含Python数据
- numpy对象在内存中的表示方式比Python对象简单得多
- save是用C编写的
- numpy.save以需要最少处理的超级简单格式写入
- Python对象有很多开销
- pickle是用Python编写的
- pickle将数据从内存中的底层表示转换为磁盘上写入的字节
请注意,如果一个numpy数组确实包含Python对象,那么numpy只需对数组进行pickle处理,所有的胜利都将消失。这是因为
pickle
可以处理各种Python对象,并且是用纯Python编写的,而np.save
是为数组设计的,并以高效的格式保存它们
从表面上看,它实际上可以在幕后使用pickle。这可能会限制Python版本之间的可移植性,并有执行任意代码的风险(这是取消勾选未知对象时的一般风险)
有用的参考资料:这是因为
pickle
可以处理各种Python对象,并且是用纯Python编写的,而np.save
是为数组设计的,并以高效的格式保存它们
从表面上看,它实际上可以在幕后使用pickle。这可能会限制Python版本之间的可移植性,并有执行任意代码的风险(这是取消勾选未知对象时的一般风险)
有用的参考资料:我认为你需要更好的时间安排。我也不同意公认的答案
b
是一本有9个键的字典;这些值是数组的列表。这意味着pickle.dump
和np.save
将相互使用-pickle
使用save
来pickle数组,save
使用pickle
来保存字典和列表
保存
写入数组。这意味着它必须将字典包装在对象数据类型数组中才能保存它
In [6]: np.save('test1',b)
In [7]: d=np.load('test1.npy')
In [8]: d
Out[8]:
array({0: [array([0, 0, 0, 0])], 1: [array([1, 0, 0, 0]), array([0, 1, 0, 0]), .... array([ 1, -1, 0, 0]), array([ 1, 0, -1, 0]), array([ 1, 0, 0, -1])]},
dtype=object)
In [9]: d.shape
Out[9]: ()
In [11]: list(d[()].keys())
Out[11]: [0, 1, 2, 3, 4, 5, 6, 7, 8]
一些时间安排:
In [12]: timeit np.save('test1',b)
850 µs ± 36.9 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
In [13]: timeit d=np.load('test1.npy')
566 µs ± 6.44 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
In [20]: %%timeit
...: with open('testpickle', 'wb') as myfile:
...: pickle.dump(b, myfile)
...:
505 µs ± 9.24 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
In [21]: %%timeit
...: with open('testpickle', 'rb') as myfile:
...: g1 = pickle.load(myfile)
...:
152 µs ± 4.83 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
在我的计时中,pickle
更快
pickle文件稍微小一些:
In [23]: ll test1.npy testpickle
-rw-rw-r-- 1 paul 5740 Aug 14 08:40 test1.npy
-rw-rw-r-- 1 paul 4204 Aug 14 08:43 testpickle
我认为你需要更好的时间安排。我也不同意公认的答案
b
是一本有9个键的字典;这些值是数组的列表。这意味着pickle.dump
和np.save
将相互使用-pickle
使用save
来pickle数组,save
使用pickle
来保存字典和列表
保存
写入数组。这意味着它必须将字典包装在对象数据类型数组中才能保存它
In [6]: np.save('test1',b)
In [7]: d=np.load('test1.npy')
In [8]: d
Out[8]:
array({0: [array([0, 0, 0, 0])], 1: [array([1, 0, 0, 0]), array([0, 1, 0, 0]), .... array([ 1, -1, 0, 0]), array([ 1, 0, -1, 0]), array([ 1, 0, 0, -1])]},
dtype=object)
In [9]: d.shape
Out[9]: ()
In [11]: list(d[()].keys())
Out[11]: [0, 1, 2, 3, 4, 5, 6, 7, 8]
一些时间安排:
In [12]: timeit np.save('test1',b)
850 µs ± 36.9 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
In [13]: timeit d=np.load('test1.npy')
566 µs ± 6.44 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
In [20]: %%timeit
...: with open('testpickle', 'wb') as myfile:
...: pickle.dump(b, myfile)
...:
505 µs ± 9.24 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
In [21]: %%timeit
...: with open('testpickle', 'rb') as myfile:
...: g1 = pickle.load(myfile)
...:
152 µs ± 4.83 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
在我的计时中,pickle
更快
pickle文件稍微小一些:
In [23]: ll test1.npy testpickle
-rw-rw-r-- 1 paul 5740 Aug 14 08:40 test1.npy
-rw-rw-r-- 1 paul 4204 Aug 14 08:43 testpickle
你说的“对象”是指方法、函数等?我指的是任何不是numpy值的值。触发
.dtype.hasobject
变为true的值。例如,np.array([1,“foo”])
是可以的,np.array([lambda x:x+1])
和np.array([{}])
不是可以的。很抱歉,你不知道,但最后两个例子“不好”到底是什么意思?anbd“python对象有很多开销”是什么意思?我的意思是np.array([{}]).dtype.hasobject
是True
,因此np.save
将使用pickle来表示它,而不是它自己的表示,这反过来意味着它实际上比pickle稍微慢一点。关于开销,python是一种动态语言,Python对象需要有很多C所没有的额外信息(因为编译器需要代码知道所有内容的位置和内容)。例如,对于a=list(范围(100))
,比较sys.getsizeof(a)+sum(sys.getsizeof(x)for a中的x)
(内存中Python列表的大小)与np.array(a).nbytes
(相同numpy数组的大小)。如果你做了np.array(a,dtype=np.uint8).nbytes
,甚至更大的区别,但把它改成非numpy类型(例如dicts),numpy就不能将它们存储在适当的位置,并存储指针:例如,对于a=[{i:i}对于范围(100)]
你指的是方法、函数等?我指的是任何不是numpy值的值。触发.dtype.hasobject
变为true的值。例如,np.array([1,“foo”])
是可以的,np.array([lambda x:x+1])
和np.array([{}])
不是可以的。很抱歉,你不知道,但最后两个例子“不好”到底是什么意思?anbd“python对象有很多开销”是什么意思?我的意思是np.array([{}]).dtype.hasobject
是True
,因此