numpy数组的手动酸洗是否跨平台？

Question

我使用 python3 来腌制一个字典，其中包含文本的文本键或带有整数 dtype 的 scipy.sparse.lil_matrix（链表）。

该文件是否跨平台（在安装了 python3、scipy 和 numpy 的机器上）？

pickled 字典是否只包含文本和 numpy 数组跨平台？

pickle 是跨平台的：Is pickle file of python cross-platform?

numpy 的.npy 文件格式是跨平台的：Is numpy.save cross platform? ...

不确定如果我手动腌制一个 numpy 数组会发生什么。我用 intel cpu 在两台不同的机器上检查了一个整数 numpy 数组，值保持不变。

手动酸洗一个 numpy 数组：

import numpy as np
import pickle
x = np.random.randint(0, 2**63 - 1, dtype=np.int32)
d = {
    'x': x,
    'blah': "blah blah blah"
}
with open('bomb.pickle', 'wb+') as f:
    pickle.dump(d, f)

Answer 1

如果我们不必修复导入，则使用整数 dtype 手动酸洗 numpy 数组。

这是因为如果对象有reduce方法，pickle会使用它。

numpy.ndarray.__reduce__的文档https://docs.scipy.org/doc/numpy/reference/generated/numpy.ndarray.reduce.html

“numpy ndarray 如何腌制”未引用源码：How does Python 3 know how to pickle extension types, especially Numpy arrays?

在早期，使用协议 0 的 Pickling 对于浮点数、NaN、Inf 来说不可移植： https://mail.python.org/pipermail/tutor/2010-May/075980.html

使用文本协议在 python 3.1 上酸洗浮动的官方文档： https://docs.python.org/3/whatsnew/3.1.html

新算法依赖于底层的某些特征 浮点实现。如果没有找到所需的功能， 旧算法将继续使用。此外，文本泡菜 协议通过使用旧的协议确保跨平台可移植性 算法。

numpy 写入文件的源代码在format.write_array 和npyio.save

(https://github.com/numpy/numpy/blob/v1.13.0/numpy/lib/format.py, https://github.com/numpy/numpy/blob/v1.13.0/numpy/lib/npyio.py#L435-L512)

标题可以保存为文本。 如果酸洗参数为真，则数据只是一个pickle.dump，这是numpy.save 的默认值。 在format.write_array，我发现：

pickle.dump(array, fp, protocol=2, **pickle_kwargs)

format.py 还说：

.npy 格式是 NumPy 中的标准二进制文件格式 在磁盘上保存一个 single 任意 NumPy 数组。格式存储 重构所需的所有形状和数据类型信息 即使在另一台具有不同架构的机器上也能正确排列。

因此，numpy 数组的手动酸洗是跨平台的（如果我们不必修复导入），因为 np.save 也使用 pickle 并且是跨平台的。

np.save 使用协议 2。pickle.DEFAULT_PROTOCOL 是两台机器上的两个 python 3 的 3。