如何用Numpy加载存储字典对象的二维数组的.txt文件？

直接修复当前加载问题 #

你用np.savetxt保存时，字典被转成字符串形式存储，加载后得到的是字符串数组。可以用ast.literal_eval安全地将每个字符串转回字典：

import numpy as np
import ast

# 加载文本文件中的字符串数组
loaded_strings = np.loadtxt('grid_data.txt', dtype=str)
# 逐元素解析为字典，再转回numpy数组
grid_data = np.array([[ast.literal_eval(cell) for cell in row] for row in loaded_strings], dtype=object)

ast.literal_eval专门用于解析Python字面量（比如字典、列表），比eval更安全，不会执行任意代码。

更优的存储方案（推荐） #

用np.savetxt存储字典数组本质是将对象转为字符串，容易出现格式问题且效率低，更推荐以下两种方式：

1. Pickle序列化（最适合复杂对象）

Pickle可以直接保存和加载包含字典的numpy数组，无需额外转换：

import numpy as np
import pickle

# 保存数组
with open('grid_data.pkl', 'wb') as f:
    pickle.dump(grid_data, f)

# 加载数组
with open('grid_data.pkl', 'rb') as f:
    grid_data = pickle.load(f)

优点：速度快，完整保留数组结构和对象类型，适合游戏场景的大量数据存储。

2. JSON存储（适合可序列化数据）

如果你的字典仅包含字符串、数字、列表等JSON支持的类型，用JSON存储可读性更强，且跨语言兼容：

import json
import numpy as np

# 保存：将numpy数组转为列表后写入JSON
with open('grid_data.json', 'w') as f:
    json.dump(grid_data.tolist(), f)

# 加载：读取列表后转回numpy数组
with open('grid_data.json', 'r') as f:
    grid_data = np.array(json.load(f), dtype=object)

优点：文件为纯文本，可手动编辑，适合需要查看或修改存储内容的场景。

为什么np.savetxt不适合？ #

np.savetxt原本是为数值型数组设计的，当你指定fmt="%s"时，它只是调用字典的__str__方法将其转为字符串，加载时无法还原为原字典对象。对于包含复杂对象的数组，Pickle或JSON是更合适的选择。

内容的提问来源于stack exchange，提问作者MineMoebsie