我已将许多数据文件保存为 .npz 以节省存储空间 (savez_compressed)。每个文件都保存为一个数组，因此在使用 numpy load 函数时，它会将键返回到包含该数组的字典。
如何快速将此数组存储为数组而不是字典。
例如：
data = []
datum = np.load('file.npz')
key = datum.keys()[0]
data.append([datum[key]])
在对此进行分析时，我的代码大部分时间都在使用字典的 get 方法。
如果保存为 .npz 文件，则不需要get 方法，速度更快。
data = []
data.append([np.load('file.npz')])
我认为通过加载文件，这两种情况下数据都已经在内存中了。 savez_compressed 似乎没有保存为数组的选项。这是可能的还是有办法加快加载速度？
【问题讨论】：
np.load 使用np.lib.npyio.NpzFile 类加载npz 文件。它的文档是：
NpzFile(fid)
A dictionary-like object with lazy-loading of files in the zipped
archive provided on construction.
`NpzFile` is used to load files in the NumPy ``.npz`` data archive
format. It assumes that files in the archive have a ".npy" extension,
other files are ignored.
The arrays and file strings are lazily loaded on either
getitem access using ``obj['key']`` or attribute lookup using
``obj.f.key``. A list of all files (without ".npy" extensions) can
be obtained with ``obj.files`` and the ZipFile object itself using
``obj.zip``.
我认为最后一段回答了您的时间问题。在您执行字典 get 之前不会加载数据。所以它不仅仅是内存中的字典查找 - 它是文件加载（解压缩）。
Python 字典查找速度很快——解释器在访问对象属性时一直在做。以及在简单地管理命名空间时。
【讨论】：