我需要编写一些数据类型:

一种。 numpy数组的列表,例如[ndarray, ndarray, ndarray]不同大小。

b。任何任意的numpy数组,例如np.zeros((5,6)), np.randn((76,2))等。

C。我还没有想到的任何其他未来数据类型。

要求:


我需要一个函数来保存所有这些数据类型,而无需任何特定处理,并且将来与上述类型c兼容。
我还需要人类可读格式的输出文件转储。


到目前为止,我只能使用YAML或pickle来达到要求1,两者都使用二进制文件,即人类不可读。

@staticmethod
def _read_with_yaml(path):
    with open(path, 'r') as stream:
        return yaml.load(stream)

@staticmethod
def _write_with_yaml(path, obj):
    with io.open(path, 'w+', encoding='utf8') as outfile:
        yaml.dump(obj, outfile, default_flow_style=False, allow_unicode=True)


此示例代码输出非人类可读的文件,但适用于我拥有的数据类型。

有没有办法同时满足这两个要求?

最佳答案

不,您的要求无法得到满足。

您已经具有一个保存所有这些数据类型的函数yaml.dump()。如您所见,对于numpy数据结构而言,它不是以一种非常易读的方式进行的。这是由于numpy没有针对其特殊数据结构的转储例程,而是退回到了数据结构的,不太可读的默认!python....标记转储。现在,您(或YAML或Numpy程序包维护者)可以为那些以更易读的格式进行转储的对象提供特殊的例程,以便可以解决。您可以使YAML库中的表示器更加智能,并获得Numpy数据结构更易读的输出,而无需接触Numpy类。

但是,您希望所有将来的数据类型都需要这样做,而IMO则适用Gödel定理:即使扩展了YAML库,使其涵盖了所有已知的情况并以可读的方式转储它们,总会有新的数据结构,尤其是在C语言中基于扩展名(如Numpy),如果不进行额外的工作就无法以可读的方式表示。

所以因为你


  我还没有想到过的其他未来未知数据类型。


前提是,这不仅是很多艰巨的工作,而且是不可能的。

09-25 20:53