本文介绍在 Go 中实现类似 NumPy savez_compressed 的多矩阵压缩存储方案，对比 gob、binary 和 JSON+gzip 等可行路径，并明确说明 gonum/mat64 仅支持 float64，字符串矩阵需用原生切片实现。
本文介绍在 go 中实现类似 numpy `savez_compressed` 的多矩阵压缩存储方案，对比 `gob`、`binary` 和 `json+gzip` 等可行路径，并明确说明 `gonum/mat64` 仅支持 `float64`，字符串矩阵需用原生切片实现。
在科学计算与数据工程实践中，高效、可移植地序列化矩阵是常见需求。NumPy 的 numpy.savez_compressed() 提供了将多个数组打包为 .npz（ZIP 压缩的 NumPy 归档）的能力，兼具紧凑性与跨会话复用性。而 Go 语言标准库和主流数值计算生态（如 gonum/mat64）并未原生支持 .npz 格式——该格式深度绑定 NumPy 的内存布局与 dtype 系统，属于 Python 科学生态专属协议，目前亦无成熟第三方 Go 库提供 .npz 读写能力。因此，若工作流强依赖 .npz 互操作，建议保留 Python 层处理；若目标是“在 Go 中实现等效功能”（即：多矩阵、二进制、压缩、单文件），则可通过组合 Go 原生编码与压缩机制达成。
推荐方案：gob + gzip（推荐用于 Go 内部系统）
gob 是 Go 官方提供的二进制序列化格式，专为 Go 类型设计，天然支持结构体、切片、map 等，且能完整保留 mat64.Dense 等自定义类型的字段（包括行/列维度与底层 []float64 数据）。配合 gzip 压缩，可实现接近 .npz 的空间效率与更优的 Go 原生兼容性。
package main
import (
"compress/gzip"
"fmt"
"os"
"gonum.org/v1/gonum/mat64"
)
// MatrixArchive 封装多个矩阵，便于统一序列化
type MatrixArchive struct {
A, B *mat64.Dense // 示例：两个 float64 矩阵
Name string // 附加元信息
}
func SaveCompressed(filename string, arch MatrixArchive) error {
f, err := os.Create(filename)
if err != nil {
return err
}
defer f.Close()
gz := gzip.NewWriter(f)
defer gz.Close()
// 使用 gob 编码归档结构
enc := gob.NewEncoder(gz)
return enc.Encode(arch)
}
func LoadCompressed(filename string) (MatrixArchive, error) {
f, err := os.Open(filename)
if err != nil {
return MatrixArchive{}, err
}
defer f.Close()
gz, err := gzip.NewReader(f)
if err != nil {
return MatrixArchive{}, err
}
defer gz.Close()
dec := gob.NewDecoder(gz)
var arch MatrixArchive
return arch, dec.Decode(&arch)
}✅ 优势：零依赖、类型安全、性能高、支持 mat64 原生对象；
⚠️ 注意：gob 不保证跨 Go 版本或跨语言兼容，仅适用于 Go 生态内部持久化。
替代方案：encoding/binary（适合极致控制与嵌入场景）
若需最小体积或与 C/Fortran 等系统对接，可手动将 mat64.Dense.RawMatrix().Data（[]float64）与维度信息按固定格式写入二进制流，并用 gzip 压缩。此方式需自行管理行列数、矩阵数量及元数据头，灵活性高但开发成本上升。
字符串矩阵？mat64 不支持，但 Go 原生切片完美胜任
gonum/mat64 严格限定于 float64 数值计算，不支持 string、int 或泛型矩阵。这是其设计定位决定的（专注高性能线性代数）。但 Go 的多维切片天然支持任意元素类型：
// 2D 字符串矩阵（等价于 NumPy 的 object array 或 string array）
stringMatrix := [][]string{
{"apple", "banana"},
{"cherry", "date"},
}
// 3D 字符串张量
tensor3D := [][][]string{
{{"a", "b"}, {"c", "d"}},
{{"e", "f"}, {"g", "h"}},
}如需对字符串矩阵做索引、切片或序列化，可直接使用 json.Marshal（自动处理嵌套）并叠加 gzip 压缩，或自定义二进制编码（例如先写入长度前缀再写字符串字节）。
总结与选型建议
| 需求场景 | 推荐方案 | 说明 |
|---|---|---|
| Go 内部服务间矩阵交换 | gob + gzip | 开箱即用、类型安全、性能最优 |
| 跨语言/长期存档（需可读性） | JSON + gzip | 人类可读、调试友好，体积略大但兼容性强 |
| 与 Python .npz 互通 | 使用 Python 处理 | 当前无可靠 Go 实现，避免重复造轮子 |
| 非数值矩阵（string/int/struct） | 原生切片 + json/自定义二进制 | mat64 不适用，Go 切片是更自然的选择 |
最终，Go 的哲学是“用合适工具解决合适问题”：gonum/mat64 专注浮点密集计算，而序列化与类型灵活性交由语言基础能力（切片、gob、json）和标准压缩库协同完成——这并非缺陷，而是权衡后的工程务实主义。
