Python 具有非常大数组的numpy tofile（）保存所有零

当我尝试保存一个非常大（20000 x 20000个元素）的数组时，我得到了所有的零：

In [2]: shape = (2e4,)*2

In [3]: r = np.random.randint(0, 10, shape)

In [4]: r.tofile('r.data')

In [5]: ls -lh r.data
-rw-r--r--  1 whg  staff   3.0G 23 Jul 16:18 r.data

In [6]: r[:6,:6]
Out[6]:
array([[6, 9, 8, 7, 4, 4],
       [5, 9, 5, 0, 9, 4],
       [6, 0, 9, 5, 7, 6],
       [4, 0, 8, 8, 4, 7],
       [8, 3, 3, 8, 7, 9],
       [5, 6, 1, 3, 1, 4]])

In [7]: r = np.fromfile('r.data', dtype=np.int64)

In [8]: r = r.reshape(shape)

In [9]: r[:6,:6]
Out[9]:
array([[0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0]])

np.save（）执行类似的奇怪操作

搜索网络后，我发现OSX中有一个已知的bug：

当我试图使用Python的read（）从文件中读取tostring（）数据时，我得到一个内存错误

---

有更好的方法吗？有人能推荐一个解决这个问题的实用方法吗

使用

mmap

内存映射文件，使用

np.frombuffer

创建指向缓冲区的数组。在x86_64 Linux上测试：

# `r.data` created as in the question
>>> import mmap
>>> with open('r.data') as f:
...   m = mmap.mmap(f.fileno(), 0, mmap.MAP_SHARED, mmap.PROT_READ)
... 
>>> r = np.frombuffer(m, dtype='int64')
>>> r = r.reshape(shape)
>>> r[:6, :6]
array([[7, 5, 9, 5, 3, 5],
       [2, 7, 2, 6, 7, 0],
       [9, 4, 8, 2, 5, 0],
       [7, 2, 4, 6, 6, 7],
       [2, 9, 2, 2, 2, 6],
       [5, 2, 2, 6, 1, 5]])

请注意，这里的

r

是内存映射数据的视图，这使其内存效率更高，但附带的副作用是自动获取对文件内容的更改。如果希望它指向数据的私有副本，就像

np.fromfile

返回的数组那样，请添加

r=np.copy（r）

（另外，如前所述，这不会在Windows下运行，因为Windows需要稍微不同的

mmap

标志。）