保存 numpy 掩码数组的最有效方法是什么？不幸的是numpy.save不起作用：
import numpy as np
a = np.ma.zeros((500, 500))
np.save('test', a)
这给出了一个：
NotImplementedError: Not implemented yet, sorry...
一种方法似乎是使用pickle，但不幸的是效率不高（文件很大），并且与平台无关。此外，netcdf4似乎可以工作，但只是为了保存一个简单的数组就需要很大的开销。
以前有人遇到过这个问题吗？我很想只做numpy.save一个array.data，另一个做面具。
import numpy as np
a = np.ma.zeros((500, 500))
a.dump('test')
然后阅读它
a = np.load('test')
如果您有一个不需要保存的固定掩码，那么您可以只保存有效值：
a = np.ma.MaskedArray(values,mask)
np.save('test', a.compressed())
然后，您可以通过以下方式恢复它：
compressed = np.load('test')
values = np.zeros_like(mask, dtype=compressed.dtype)
np.place(values, ~mask, compressed)
a = np.ma.MaskedArray(values, mask)
一种简单的方法是分别保存掩码数组的数据和掩码：
np.save('DIN_WOA09.npy',DIN_woa.data)
np.save('mask_WOA09.npy',DIN_woa.mask)
然后稍后，您可以从数据和掩码中重建掩码数组。
当前接受的答案有些过时，如果存储的数组是稀疏的（它依赖于数组的未压缩酸洗），效率会非常低。
保存/加载掩码数组的更好方法是使用npz文件：
import numpy as np
# Saving masked array 'arr':
np.savez_compressed('test.npz', data=arr.data, mask=arr.mask)
# Loading array back
with np.load('test.npz') as npz:
arr = np.ma.MaskedArray(**npz)
将其保存在字典中将使您可以毫无问题地保持其原始格式和掩码。就像是：
b={}
b['a'] = a
np.save('b', b)
应该可以正常工作。