NumPy：將'np.save（）'與'allow_pickle = False'一起使用的后果

Question

根據這里的 NumPy文檔，默認情況下，使用allow_pickle=True保存矩陣，此外，它們告訴這個默認行為可能有問題：

allow_pickle：bool，可選
允許使用Python pickles保存對象數組。 禁止泡菜的原因包括安全性（加載腌制數據可以執行任意代碼）和可移植性（腌制對象可能無法在不同的Python安裝上加載，例如，如果存儲的對象需要不可用的庫，並且並非所有的pickle數據都兼容Python 2和Python 3）。
默認值：True

閱讀之后，我當然更喜歡使用allow_pickle=False - 但是當它以這種方式使用時它們並沒有告訴它們有什么不同。 必須有一些理由他們默認使用allow_pickel=True ，盡管它有缺點。

你能告訴我你是否使用allow_pickle=False以及它的行為方式有何不同？

Answer 1

對象數組只是一個普通的numpy數組，其中dtype是object ; 如果數組的內容不是正常的數字類型（如int或float等），就會發生這種情況。 我們可以試着用對象保存一個numpy數組，只是為了測試它是如何工作的。 一個簡單的對象將是一個dict ：

>>> import numpy as np
>>> a = np.array([{x: 1} for x in range(4)])
>>> a
array([{0: 1}, {1: 1}, {2: 1}, {3: 1}], dtype=object)
>>> np.save('test.pkl', a)

裝回這個工作正常：

>>> np.load('test.pkl.npy')
array([{0: 1}, {1: 1}, {2: 1}, {3: 1}], dtype=object)

但是，如果不使用pickle，則無法保存數組：

>>> np.save('test.pkl', a, allow_pickle=False)
...
ValueError: Object arrays cannot be saved when allow_pickle=False

泡菜的經驗法則是，如果你正在加載你制作的泡菜，那么你是安全的，但你應該小心加載從其他地方獲得的泡菜。 首先，如果你沒有安裝用於制作pickle的相同庫（或庫版本），你可能無法加載pickle（這就是上面的可移植性意味着什么）。 安全是另一個潛在的問題; 例如，您可以閱讀一些關於如何在本文中濫用泡菜的內容 。