使用 ‘np.save()’ 中的 ‘allow_pickle=False’ 参数的后果

在本文中，我们将介绍使用NumPy库中的 ‘np.save()’ 函数并使用 ‘allow_pickle=False’ 参数的后果。当使用 ‘np.save()’ 保存一个NumPy数组时，我们可以选择是否允许对数组进行pickle序列化。

pickle是Python的一种序列化工具，它可以将Python对象转化为二进制形式，并在需要的时候将其恢复为原来的形式。然而，pickle并不是完全安全的，因为它可以通过Python自己的操作系统调用来执行任意代码。这就意味着，如果您接受并打开了一个带有恶意对象的pickle并将其反序列化，那么恶意对象就会得到执行。

因此，为了确保安全，NumPy默认情况下不允许数组进行pickle序列化。但是，如果您非常清楚自己在做什么，也可以选择允许pickle。

阅读更多：Numpy 教程

‘allow_pickle=False’ 的影响

当您使用 ‘np.save()’ 函数时，默认情况下 ‘allow_pickle’ 参数被设置为False，这意味着会禁止对数组进行pickle序列化。如果您想要允许pickle，需要将 ‘allow_pickle’ 参数设置为True。

现在让我们看一下使用 ‘allow_pickle=False’ 的示例。假设您有一个NumPy数组，如下所示：

import numpy as np

arr = np.array([1, 2, 3])

您可以将该数组保存到磁盘上，如下所示：

np.save('arr.npy', arr)

该数组已成功保存到名为 ‘arr.npy’ 的文件中。我们可以使用 ‘np.load()’ 函数将该数组加载回来，并验证代码。

arr = np.load('arr.npy')
print(arr)

输出结果应该如下所示：

[1 2 3]

现在，让我们假设您尝试将一个具有多项式系数的NumPy数组保存到磁盘上，如下所示：

arr = np.array([1, 2, 3], dtype=np.polynomial.Polynomial)
np.save('arr.npy', arr)

如果您尝试将其数据类型设置为 ‘np.polynomial.Polynomial’ 并使用 ‘np.save()’ 函数将其保存到磁盘上，您将会出现以下错误：

TypeError: can't pickle numpy.polynomial.polynomial.Polynomial objects

这就是 ‘allow_pickle=False’ 意味着的影响。您会看到，如果您尝试对一个不支持pickle序列化的NumPy对象进行pickle操作，将会导致TypeError的异常。

启用 ‘allow_pickle=True’

当您使用 ‘allow_pickle=True’ 时，您将允许对数组进行pickle序列化。显然，如果您不知道pickle是什么，或者不知道您正在pickle什么，那么您将有可能让一个恶意对象执行。

现在，让我们再次运行上面的示例，但是这次我们将 ‘allow_pickle’ 设置为True。

arr = np.array([1, 2, 3], dtype=np.polynomial.Polynomial)
np.save('arr.npy', arr, allow_pickle=True)

现在，我们可以使用 ‘np.load()’ 函数将数组加载回来，并验证代码。

arr = np.load('arr.npy')
print(arr)

输出结果应该如下所示：

[Polynomial([1., 2., 3.], domain=[-1,  1], window=[-1,  1])]

您会注意到，当 ‘allow_pickle=True’ 时，该数组现在可以pickle序列化。

总结

在本文中，我们介绍了NumPy的 ‘np.save()’ 函数，并探讨了在使用 ‘allow_pickle=False’ 参数时的后果。如果您将 ‘allow_pickle’ 参数设置为False，则禁止对数组进行pickle序列化，这可以确保安全性。但如果您非常清楚自己在做什么，也可以设置 ‘allow_pickle=True’，允许对数组进行pickle序列化。

需要特别注意的是，如果您对一个不支持pickle序列化的NumPy对象进行pickle操作，将会导致TypeError的异常。因此，建议您在使用 ‘np.save()’ 函数时，仔细考虑是否需要允许pickle，以及您正在pickle的对象是否支持pickle序列化。

最后，我们还展示了一个具体的示例，让您更好地了解了在使用 ‘allow_pickle’ 参数时的影响和行为。

希望本文能够帮助您更好地理解 ‘np.save()’ 函数以及 ‘allow_pickle’ 参数的使用，也希望您在使用NumPy时能够确保数据的安全性。