Python中对应MATLAB save()存储全部工作区输出的方法是什么？

1. 原生pickle方案（与MATLAB save/load逻辑最接近） #

该方案是Python内置的序列化能力，无需安装额外依赖，支持存储几乎所有Python对象，与MATLAB把多个变量存入单个.mat文件的使用逻辑完全一致。

• 保存示例：

import pickle
# solver脚本中得到的所有待保存变量
xdata = [1,2,3,4]
ydata = [5,6,7,8]
tolerance = 1e-6
max_iter = 1000

# 将变量打包为字典后写入单个文件
save_dict = {
    "xdata": xdata,
    "ydata": ydata,
    "tolerance": tolerance,
    "max_iter": max_iter
}
with open("solver_output.pkl", "wb") as f:
    pickle.dump(save_dict, f)

• 读取示例（在分析脚本中调用）：

import pickle
with open("solver_output.pkl", "rb") as f:
    load_data = pickle.load(f)

# 直接提取对应变量使用
xdata = load_data["xdata"]
ydata = load_data["ydata"]
tolerance = load_data["tolerance"]

2. 数值场景更高效替代方案：numpy savez系列 #

如果你的输出以numpy数组为主，该方案读写速度更快、文件体积更小，兼容性也更稳定。

• 保存示例：

import numpy as np
# 待保存变量支持混合numpy数组与普通数值类型
xdata = np.array([1,2,3,4])
ydata = np.array([5,6,7,8])
tolerance = 1e-6
max_iter = 1000

# 直接存储所有变量到单个.npz文件，需要压缩可替换为np.savez_compressed
np.savez("solver_output.npz", xdata=xdata, ydata=ydata, tolerance=tolerance, max_iter=max_iter)

• 读取示例：

import numpy as np
load_data = np.load("solver_output.npz")

xdata = load_data["xdata"]
ydata = load_data["ydata"]
tolerance = load_data["tolerance"]

补充说明 #

• 如果需要跨MATLAB、Python等多语言读写数据，可以使用h5py库存储HDF5格式，支持TB级大规模数据的随机读写。
• 不要读取来源不明的pkl文件，避免序列化安全风险。

内容的提问来源于stack exchange，提问作者Dimitri_896