numpy 数组序列化为字符串 - Python

在 Python 中，numpy 是一个非常强大的科学计算库，可以用来创建、操作和处理数值数组。有时候我们需要将 numpy 数组序列化为字符串，这样可以方便地将数据传递给其他应用或者存储到文件中。本文将介绍如何实现这个功能。

使用 pickle 序列化 numpy 数组

pickle 是 Python 的一个标准库，可以将几乎任何 Python 对象序列化为字符串或字节流，并在需要时还原为原始对象。numpy 数组也可以通过 pickle 序列化为字符串。下面是一个简单的示例：

import numpy as np
import pickle

a = np.array([1, 2, 3])
s = pickle.dumps(a)
b = pickle.loads(s)

print(a == b)  # True

通过 pickle.dumps 函数将 numpy 数组 a 序列化为字符串 s，再通过 pickle.loads 函数将字符串还原为新的 numpy 数组 b。最后比较 a 和 b 是否相等，可以发现它们确实是相等的。

需要注意的是，pickle 序列化的字符串包含了完整的对象信息，包括对象的类名、属性名和属性值等，所以序列化后的字符串可能会比较大。

使用 json 序列化 numpy 数组

json 是一种轻量级的文本数据格式，通常用于 Web 应用中传递数据。Python 标准库中也有一个 json 模块，可以将 Python 对象序列化为 json 字符串，并在需要时进行反序列化。numpy 数组也可以通过 json 序列化为字符串。下面是一个简单的示例：

import numpy as np
import json

def np_encoder(obj):
    if isinstance(obj, np.ndarray):
        return obj.tolist()
    else:
        return obj

a = np.array([1, 2, 3])
s = json.dumps(a, default=np_encoder)
b = np.array(json.loads(s))

print(a == b)  # True

通过 json.dumps 函数将 numpy 数组 a 序列化为 json 格式的字符串 s，需要自定义一个 np_encoder 函数，将 numpy 数组转换为 Python 中的基本数据类型（例如列表），否则会抛出 TypeError 异常。在反序列化时，使用 json.loads 函数将 json 字符串转换为 Python 对象，然后再次将其转换为 numpy 数组即可。

需要注意的是，json 序列化的字符串只包含了对象的属性值，不包含对象类名和其他信息，所以序列化后的字符串相对来说比较小。

总结

本文介绍了如何将 numpy 数组序列化为字符串，其中提供了两种方法：使用 pickle 序列化和使用 json 序列化。两种方法各有特点，需要根据具体的情况选择使用。在实际应用中，还需要考虑序列化后的字符串的大小和传输效率等因素，以及反序列化过程中数据类型的恢复等问题。