np.savez_compressed是最直接的压缩方案，它默认用zlib(level=3)压缩多个数组为.npz文件，对含零值、重复结构或低熵数据效果明显，但随机浮点数组压缩比通常不足1.2x。
用 np.savez_compressed 是最直接的方案
大数组直接 np.save 生成的是未压缩的 .npy，体积几乎不减；而 np.savez_compressed 默认使用 zlib 压缩（level=3），对含大量重复值、零值或浮点精度冗余的数组效果明显。它把多个数组打包进一个 .npz 文件，内部每个数组单独压缩。
实操建议：
- 单数组也用
np.savez_compressed('data.npz', arr=a)，别用np.save—— 后者不压缩，且无法存 dict-like 结构 - 传入关键字参数命名数组（如
features=x, labels=y），读取时用np.load('data.npz')['features'] - 压缩级别可调：
np.savez_compressed(..., compress=True)（默认）或显式指定compression='zlib'+compresslevel=9（更慢但更小） - 注意：压缩过程会加载整个数组进内存两次（原始 + 压缩缓冲），超大数组需预留足够 RAM
内存受限时改用 numpy.memmap 分块处理
当数组大到无法一次性装入内存（比如 >50% 物理内存），np.savez_compressed 会触发 MemoryError。这时不能硬压，得绕开全量加载。
可行路径：
立即学习“Python免费学习笔记（深入）”；
- 先用
np.memmap创建磁盘映射数组，只在需要时读某块（如arr[1000:2000]） - 手动分块：对每块调用
np.savez_compressed(f'chunk_{i}.npz', chunk=chunk_data) - 或汇总为稀疏结构：若数组本身稀疏，转成
scipy.sparse.csr_matrix再保存（np.savez_compressed能存 sparse 对象，但需确保 scipy 版本 ≥1.8） - 避免陷阱：不要对 memmap 对象直接传给
np.savez_compressed—— 它会尝试完整读取，照样爆内存
npz 加载慢？优先用 mmap_mode='r'
压缩后的 .npz 文件解压时默认全部载入内存，大文件加载延迟高。实际只需访问其中一两个键时，浪费严重。
提速关键：
- 加载时加
mmap_mode='r'：np.load('data.npz', mmap_mode='r')，让 NumPy 直接从文件映射读取，不占额外内存 - 仅适用于单数组存档（即
np.savez_compressed('x.npz', x=a)），多数组时各键仍共享一个压缩流，mmap_mode无效 - 如果必须多数组+快速随机访问，考虑拆成多个独立
.npz文件，或换用zarr（支持真正的分块压缩与并行 IO） - 验证是否生效：用
psutil.Process().memory_info().rss对比加载前后内存增量
替代方案：zarr 更适合 TB 级数组
当数组超过几 GB，npz 的局限就明显了：单文件、无并发写、压缩粒度粗（整个数组一个压缩块）、不支持云存储。
这时候该换工具：
-
zarr把数组切分成固定大小的 chunk（如chunks=(1024, 1024)），每个 chunk 单独压缩，读写都可并行 - 保存只需两行：
import zarr; zarr.save_array('data.zarr', a, compressor=zarr.Blosc(cname='zstd', clevel=3)) - 兼容性注意：旧项目若依赖
np.load接口，需加适配层；且zarr文件是目录，不是单个文件，备份/传输要打包 - 真正的大数据场景（比如遥感影像、训练集缓存），
npz只是过渡方案，zarr或parquet（配合pyarrow）才是稳态选择
压缩不是万能的——浮点数组用 np.float32 替代 np.float64、整数数组用最小够用 dtype（如 np.int8），这些预处理带来的体积下降，往往比压缩率更重要。别等存完再压，先看 dtype 和数据分布。
