前言

這裡的方法同樣可以儲存陣列或者別的陣列，這裡主要以字典為主要物件。

正文

pickle，numpy都可以進行檔案持久化。

編寫以下程式碼測試效能

import numpy as np
import pickle as pkl
import time

a = {
    'a': np.random.randn(8000, 2, 30, 160),
    'b': np.random.randn(8000, 2, 30, 160),
    'c': np.random.randn(8000, 2, 30, 160),
    'd': np.random.randn(8000, 2, 30, 160),
    'e': np.random.randn(8000, 2, 30, 160),
}

time_a = time.time()

np.save('data.npy', a)

time_b = time.time()

np.save('data.npy', a)

time_c = time.time()

print('numpy 儲存耗時：{}'.format(time_b-time_a))
print('numpy 讀取耗時：{}'.format(time_c-time_b))

time_a = time.time()

with open('data.pkl', 'wb') as f:
    pkl.dump(a, f, protocol=pkl.HIGHEST_PROTOCOL)

time_b = time.time()

with open('data.pkl', 'rb') as f:
    a = pkl.load(f)

time_c = time.time()

print('pickle 儲存耗時：{}'.format(time_b-time_a))
print('pickle 讀取耗時：{}'.format(time_c-time_b))

執行結果為：

numpy 儲存耗時：3.349184274673462
numpy 讀取耗時：4.978081941604614
pickle 儲存耗時：6.070725202560425
pickle 讀取耗時：2.0159759521484375

檔案大小比較，首先是numpy的大小為：

pickle大小為：

pickle的儲存效能比numpy慢兩倍，讀取快兩倍。最後儲存的檔案大小一樣。

然後探究儲存後的檔案大小與存取效能之間的關係，首先更改程式碼為：

import numpy as np
import pickle as pkl
import time
import matplotlib.pyplot as plt
import os

x = []

np_save = []
np_load = []

pkl_save = []
pkl_load = []

s = time.time()

for i in range(25):
    size = 1000 * (i + 1)

    a = {
        'a': np.random.randn(size, 2, 30, 160),
        'b': np.random.randn(size, 30, 160),
        'c': np.random.randn(size, 2, 30, 160),
        'd': np.random.randn(size, 2, 30, 160),
        'e': np.random.randn(size, 2, 30, 160),
    }

    time_a = time.time()

    np.save('data.npy', a)

    time_b = time.time()

    np.save('data.npy', a)

    time_c = time.time()
    
    np_save.append(time_b-time_a)
    np_load.append(time_c-time_b)

    time_a = time.time()

    with open('data.pkl', 'wb') as f:
        pkl.dump(a, f, protocol=pkl.HIGHEST_PROTOCOL)

    time_b = time.time()

    with open('data.pkl', 'rb') as f:
        a = pkl.load(f)

    time_c = time.time()

    pkl_save.append(time_b-time_a)
    pkl_load.append(time_c-time_b)

    x.append(os.path.getsize('data.npy') / (1024. * 1024. * 1024.))

plt.figure()

ax1 = plt.subplot(211)
ax1.plot(x, np_save, label='numpy')
ax1.plot(x, pkl_save, label='pickle')
plt.xlabel('size (G)')
plt.ylabel('save time (s)')
plt.legend()

ax2 = plt.subplot(212)
ax2.plot(x, np_load, label='numpy')
ax2.plot(x, pkl_load, label='pickle')
plt.xlabel('size (G)')
plt.ylabel('load time (s)')
plt.legend()

print(time.time()-s)

plt.show()

結果為：

可以看出，pickle在讀取上一直佔優，即使檔案較大，讀取時間上升也較為平緩。在儲存上兩者拉不開明顯差距，但一般來看numpy是有優勢的，比如我們不管後面的劇烈上升，而是看較為平緩的一段：

可以看出numpy在讀取上，6g以下是明顯佔優的，6g以上兩者會難分難解

觀察發現，大檔案還是使用pickle比較好