np.savez_compressed将多个数组压缩保存为单个.npz文件，需用关键字参数命名（如arr1=a, arr2=b），不可传字典或位置参数；读取须用np.load并推荐with语句自动关闭。
用 np.savez_compressed 保存多个数组到单个压缩文件
直接调用 np.savez_compressed 是最常用且可靠的方式，它会把传入的数组以 ZIP 压缩格式打包进一个 .npz 文件，适合存多个命名数组（比如模型权重、中间特征）。注意它不支持自定义压缩级别，但默认压缩率足够好。
常见错误是误用 np.savez（无压缩）或试图传入字典对象而非关键字参数：
-
np.savez_compressed("data.npz", arr1=a, arr2=b)✅ 正确：关键字参数自动转为命名数组 -
np.savez_compressed("data.npz", {"arr1": a, "arr2": b})❌ 错误：会把整个字典当做一个数组保存，读取时无法按名索引 -
np.savez_compressed("data.npz", a, b)❌ 错误：未命名，读取时只能用f["arr_0"]、f["arr_1"]访问，易出错
读取压缩 npz 文件时必须用 np.load 并显式关闭
.npz 文件是懒加载的——调用 np.load 返回的是一个类似字典的对象（NpzFile），但实际数据直到你访问某个键才解压读入内存。如果忘记调用 .close() 或没用上下文管理器，可能造成文件句柄泄漏，尤其在循环保存/加载大量文件时会报 OSError: Too many open files。
推荐写法：
立即学习“Python免费学习笔记（深入）”；
with np.load("data.npz") as f:
a = f["arr1"]
b = f["arr2"]
# 自动关闭，安全不推荐写法：
f = np.load("data.npz")
a = f["arr1"]
f.close() # 容易漏掉，或异常时没执行到单个大数组用 np.save + .npy.gz 更省空间和时间
如果你只存一个数组，np.savez_compressed 反而有额外开销：它内部仍按 ZIP 打包，即使只有一个成员，也会引入 ZIP 头部和索引结构。实测对 >1GB 的单数组，用 gzip 压缩原始 .npy 文件通常体积更小、读写更快。
操作步骤：
- 先用
np.save("data.npy", arr)生成未压缩.npy - 再用系统命令或 Python
gzip模块压缩：gzip data.npy→ 得到data.npy.gz - 读取时：
np.load(gzip.open("data.npy.gz", "rb"))
注意：不能直接 np.load("data.npy.gz")，会报 ValueError: Unknown file extension。
兼容性与 dtype 注意事项
.npz 文件本质是 ZIP，跨平台没问题，但要注意两点：
- 不同 NumPy 版本间一般兼容，但若用 2.0+ 新增的
float64子类或自定义 dtype，老版本（TypeError: data type not understood - 字符串数组若含非 ASCII 字符（如中文），确保保存前是
dtype="U"或"S"，避免读取时出现乱码或截断；np.savez_compressed不做编码转换，原样存储字节
复杂结构（如含 list、嵌套 dict）不能直接保存进 .npz，会静默转成 object 类型数组，后续读取时无法还原原始结构 —— 这点容易被忽略，需要提前扁平化或换用 pickle + gzip。
