将 scipy 对象保存到文件

Question

我想将scipy.interpolate.InterpolatedUnivariateSpline生成的对象interpolator保存到一个文件中，以便之后加载并使用它。 这是控制台上的结果：

>>> interpolator
 <scipy.interpolate.fitpack2.InterpolatedUnivariateSpline object at 0x11C27170>
np.save("interpolator",np.array(interpolator))
>>> f = np.load("interpolator.npy")
>>> f
array(<scipy.interpolate.fitpack2.InterpolatedUnivariateSpline object at 0x11C08FB0>, dtype=object)

这些是尝试使用具有通用值的加载插值器f 的结果：

>>>f(10)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: 'numpy.ndarray' object is not callable

或：

>>> f[0](10)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
IndexError: too many indices for array

如何正确保存/加载它？

Answer 1

interpolator 对象不是数组，因此np.save 将其包装在object 数组中。它依靠pickle 来保存不是数组的元素。所以你得到一个包含一个对象的 0d 数组。

用一个简单的字典对象来说明：

In [280]: np.save('test.npy',{'one':1})
In [281]: x=np.load('test.npy')
In [282]: x
Out[282]: array({'one': 1}, dtype=object)
In [283]: x[0]
...
IndexError: 0-d arrays can't be indexed
In [284]: x[()]
Out[284]: {'one': 1}
In [285]: x.item()
Out[285]: {'one': 1}
In [288]: x.item()['one']
Out[288]: 1

所以item 或[()] 都会从数组中检索这个对象。然后您应该能够像在save 之前一样使用它。

使用您自己的pickle 调用很好。

Answer 2

它看起来像 numpy.save 然后 numpy.load 将 scipy InterpolatedUnivariateSpline 对象转换为 numpy 对象。 Numpy 保存/加载apparently 有一个allow_pickle=True 输入，应该保留对象信息。这在我的 numpy 版本（1.9.2）中不存在，我假设你的版本也可能。使用spl=numpy.load("file")，类型信息会丢失，因此作为方法调用spl 会失败。由于 numpy save 主要是为二进制数据数组设计的，所以最通用的解决方案可能是使用pickle。举个最简单的例子，

import matplotlib.pyplot as plt
from scipy.interpolate import InterpolatedUnivariateSpline
import numpy as np
try:
    import cPickle as pickle
except ImportError:
    import pickle

x = np.linspace(-3, 3, 50)
y = np.exp(-x**2) + 0.1 * np.random.randn(50)
spl = InterpolatedUnivariateSpline(x, y)
plt.plot(x, y, 'ro', ms=5)


xs = np.linspace(-3, 3, 1000)

#Plot before save
plt.plot(xs, spl(xs), 'g', lw=3, alpha=0.7)

#Save, load and plot again (NOTE CAUSES ERROR)
#np.save("interpolator",spl)
#spl_loaded = np.load("interpolator.npy")
#plt.plot(xs, spl_loaded(xs), 'k--', lw=3, alpha=0.7)

#Pickle, unpickle and then plot again
with open('interpolator.pkl', 'wb') as f:
    pickle.dump(spl, f)
with open('interpolator.pkl', 'rb') as f:
    spl_loaded = pickle.load(f)
plt.plot(xs, spl_loaded(xs), 'k--', lw=3, alpha=0.7)

plt.show()