NumPy是Python中用于科学计算和数据分析的库，它提供了高效的数组操作和数学计算功能。在处理大规模数据时，我们经常需要将数据保存下来以便后续使用。然而，保存整个NumPy数组可能会占用大量磁盘空间。为了解决这个问题，NumPy提供了两种压缩保存数据的方式：np.savez_compressed和h5py。这两种方式都可以有效地减少数据存储的空间占用，同时保持数据的可读性和可访问性。
1. np.savez_compressed
np.savez_compressed函数可以将多个NumPy数组以字典的形式存储为一个.npz文件。这种方式可以有效地压缩多个数组的数据，并且可以方便地加载和使用这些数组。下面是一个简单的示例代码，演示如何使用np.savez_compressed来压缩和保存NumPy数据：

import numpy as np
# 创建两个NumPy数组
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
# 使用np.savez_compressed保存数组到文件
np.savez_compressed('data.npz', arr1=arr1, arr2=arr2)

在上面的代码中，我们首先创建了两个NumPy数组arr1和arr2，然后使用np.savez_compressed函数将它们保存为一个名为data.npz的压缩文件。这个文件包含了arr1和arr2两个数组的数据，并且以字典的形式存储。我们可以通过以下代码加载这个压缩文件：
```python

加载数据

loaded_data = np.load(‘data.npz’)

获取保存的数组

loaded_arr1 = loaded_data[‘arr1’]
loaded_arr2 = loaded_data[‘arr2’]
在加载数据时，我们使用np.load函数打开压缩文件，然后通过字典的形式获取保存的数组。这样就可以方便地加载和使用压缩保存的NumPy数据了。 **2. h5py** h5py是另一个用于存储和读取大型数据的Python库，它基于HDF5格式，可以有效地存储和管理大规模数据集。h5py提供了类似于字典的接口，可以将多个NumPy数组存入同一个HDF5文件中。下面是一个使用h5py来压缩和保存NumPy数据的示例代码：python
import numpy as np
h5py

创建两个NumPy数组

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])

使用h5py将多个Tensor存入同一个HDF5文件

h5_file = h5py.File(‘data.h5’, ‘w’)
h5_file.create_dataset(‘arr1’, data=arr1)
h5_file.create_dataset(‘arr2’, data=arr2)
h5_file.close()
在上面的代码中，我们首先创建了两个NumPy数组arr1和arr2，然后使用h5py库打开一个名为data.h5的HDF5文件，并使用create_dataset函数将这两个数组存入文件中。最后关闭文件即可完成压缩和保存操作。加载数据时，我们再次使用h5py打开文件，并使用类似字典的方式获取保存的数组：python
h5_file = h5py.File(‘data.h5’, ‘r’)
loaded_arr1 = h5_file[‘arr1’][:]
loaded_arr2 = h5_file[‘arr2’][:]
h5_file.close()
```在加载数据时，我们使用h5py打开文件，并通过类似字典的方式获取保存的数组。注意，在使用h5py读取数据时，需要使用[:]操作符来获取整个数组的内容。
综上所述，np.savez_compressed和h5py是两种常用的NumPy数据压缩保存方式。np.savez_compressed可以将多个数组以字典的形式存储为.npz文件，而h5py则可以将多个数组存入同一个HDF5文件中。根据实际需求选择合适的方式进行