在该系列的文章中，已经花了很大的篇幅进行NumPy中多维数组内容的介绍，我们可以有多种方式创建多维数组以及对数组进行各种操作、运算等。
有时候，由于数组中的数据量比较大，我们希望能将数组保存下来，在后续需要复用的时候，再重新加载到内存中。NumPy也提供了关于数组IO的相关方法，本文就来介绍一下关于多维数组保存与加载的各种常用方法。
本文的主要内容有：
1、使用pickle模块进行数组的保存与加载
2、NumPy单个数组的保存与加载
3、NumPy多个数组的保存与加载
4、使用HDF5格式进行保存与加载
使用pickle模块进行数组的保存与加载pickle模块是Python中的一个标准库，用于序列化（即将对象转换为字节流）和反序列化（即将字节流转换为对象）。通过pickle，您可以将几乎所有的Python对象保存到文件中或者通过网络进行传输。这个过程也称为“持久化”。
通过代码，简单演示下：
通过NumPy进行单个数组的保存比较简单，直接提供np.save()和np.load()即可一行实现保存或者加载。
直接看代码：
通过np.save()保存的是二进制文件，还可以将数组保存为纯文本文件。
同样通过代码演示一下：
有时候，我们还需要将多个有关联的数组保存到一起，这时候，可以通过np.savez()函数来实现。
直接看代码：
有时候数据量比较大，保存和加载会存在性能问题，这时候可以考虑将数据保存为HDF5格式。
HDF5（Hierarchical Data Format version 5）是一种用于存储和管理大量数据的文件格式。它采用了层次化的数据组织方式，支持多种数据类型，广泛应用于科学数据存储、工程、数值计算、机器学习等领域。
在Python中，我们可以通过h5py库来轻松地读写HDF5文件。由于h5py是一个三方库，在使用之前需要先安装。需要注意的是，通过pip install h5py后，需要注意重启相关的Jupyter notebook的kernel，否则无法找到该库。
接下来，通过来演示将数组保存到HDF5文件：
本文介介绍了将NumPy中的多维数组进行保存和加载的方法，我们可以通过pickle进行保存和修改，也可以通过np.save()和np.load()进行保存和修改。需要保存为文本格式，可以使用np.savetxt()和np.loadtxt()。保存多个数组，可以使用np.savez()。数据量比较大时，可以考虑HDF5文件。
以上就是本文的全部内容，感谢您的拨冗阅读！
