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。