Python中np.savetxt()与pickle本地化性能对比分析

这个问题挺有意思的，np.savetxt()和pickle完全是两种不同用途的工具，直接对比“性能”不太合适，因为它们解决的是不同的问题。

简单来说：

• np.savetxt() 是NumPy提供的函数，专门用于将一维或二维数组保存为人类可读的纯文本文件（如CSV、TXT格式）。它生成的文件你可以用记事本直接打开查看。
• pickle 是Python标准库的模块，用于序列化（即：将内存中的任意Python对象转换为字节流）和反序列化。它保存的是对象的二进制表示，文件是机器可读的，人直接看是乱码。它可以保存几乎任何Python对象（列表、字典、自定义类的实例、NumPy数组等等），而不仅仅是数组。

所以，选择哪个取决于你的需求：

1. 如果你只需要保存/加载一个或几个NumPy数组，并且希望文件能被其他程序（如Excel、R）或人直接阅读/编辑，用 np.savetxt() (保存) 和 np.loadtxt() (加载)。

   import numpy as np
   data = np.array([[1, 2, 3], [4, 5, 6]])
   # 保存为文本
   np.savetxt('data.txt', data, delimiter=',', fmt='%d')
   # 从文本加载
   loaded_data = np.loadtxt('data.txt', delimiter=',', dtype=int)
   

2. 如果你需要保存/加载复杂的Python对象（比如包含多个数组、列表、字典的字典，或者一个机器学习模型），或者你只关心在Python程序之间快速交换数据，不需要人类可读，用 pickle。

   import pickle
   import numpy as np
   complex_obj = {
       'array1': np.arange(10),
       'list1': [1, 2, 3],
       'model_params': {'weights': np.random.randn(5, 2)}
   }
   # 保存对象
   with open('data.pkl', 'wb') as f: # 注意是二进制写入 'wb'
       pickle.dump(complex_obj, f)
   # 加载对象
   with open('data.pkl', 'rb') as f: # 注意是二进制读取 'rb'
       loaded_obj = pickle.load(f)
   

关于你提到的“性能”：如果非要比，对于保存单个大型NumPy数组，pickle通常更快，文件也更小，因为它是二进制格式。np.savetxt()需要将数字转换成文本字符串，写入文件更大，读写也更慢。但对于跨语言兼容或可读性，文本格式是必须的。

总结：要可读可移植选savetxt，要存复杂对象或追求速度选pickle。