savez_compressed比savez更省空间，因其对每个数组单独使用DEFLATE算法压缩，而savez仅打包不压缩；稀疏或冗余数据压缩率可达50%–90%，如(10000,1000)浮点矩阵可从78MB压至8MB。
savez_compressed 为什么比 savez 更省空间
savez_compressed 对每个数组单独做 ZIP 压缩（DEFLATE 算法），而 savez 只是打包不压缩。对含大量零值、重复值或浮点数精度冗余的数组，压缩率常达 50%–90%。比如一个 shape 为 (10000, 1000) 的稀疏 float64 矩阵，savez 可能生成 78 MB 文件，savez_compressed 往往压到 8 MB 左右。
注意：压缩耗时略高，但解压几乎无感知；适合“一次写、多次读”的场景，比如模型权重、预处理数据集归档。
如何正确调用 savez_compressed 并避免文件损坏
最常见错误是传入非数组对象（如 Python list、dict）或混用命名与位置参数。必须确保所有输入都是 numpy.ndarray 或可被自动转换的标量/列表（但不推荐依赖自动转换）。
- ✅ 正确写法：
np.savez_compressed("data.npz", arr1=a, arr2=b, meta=meta_dict)—— 全部用关键字参数命名 - ❌ 错误写法：
np.savez_compressed("data.npz", a, b, meta=meta_dict)—— 混用位置与关键字，会报TypeError: savez() takes no positional arguments - ⚠️ 注意：
meta_dict若是普通 Python dict，会被转成 0 维 object 数组，无法被np.load()直接当字典用；应先用np.array(meta_dict, dtype=object)显式封装，或改用 JSON 存外置元数据
加载 .npz 文件时，压缩与否对代码完全透明
无论用 savez 还是 savez_compressed 保存，加载都统一用 np.load()，返回对象行为一致。
立即学习“Python免费学习笔记（深入）”；
示例：
loaded = np.load("data.npz")
print(loaded["arr1"].shape) # 直接取键，和是否压缩无关
print(list(loaded.keys())) # 查看所有保存的数组名但要注意：np.load() 返回的是 NpzFile 对象，它延迟加载——只有真正访问某个 key 时才解压读取对应数组。这意味着即使文件里有 10 个大数组，只取其中 1 个，其余 9 个不会进内存。
什么时候不该用 savez_compressed
高频小文件 IO 场景下，压缩开销反而拖慢整体吞吐。例如在训练循环中每步都存一个 (32, 3, 224, 224) 的 batch，用 savez_compressed 可能比 savez 慢 3–5 倍，且收益极小（单个 batch 压缩后也就省几十 KB）。
- ✅ 推荐用：
savez_compressed用于离线数据集打包、模型 checkpoint 归档、长期存储 - ❌ 不推荐用：
savez_compressed用于实时日志、调试中间变量快照、高频采样缓存 - 替代方案：高频场景可用
np.save()单数组二进制格式（更快），或改用内存映射np.memmap+ 定期 flush
压缩效果高度依赖数据分布，别默认“开了压缩就一定好”；实测前先用 np.random.randn(10000, 100) 和真实业务数组分别试压，看体积与耗时变化。
