Преобразование байтового массива обратно в массив numpy

Хотя вы можете использовать метод tobytes(), это не является идеальным решением, так как он не хранит информацию о форме массива numpy.

В ситуациях, когда вам нужно отправить массив в другой процесс, не имея информации о его форме, вам придется передавать информацию о форме явно.

Более элегантное решение состоит в том, чтобы сохранить массив в буфер BytesIO, используя np.save, и восстановить его с помощью np.load. При этом вам не нужно специально хранить информацию о форме где-либо, и вы легко сможете восстановить массив numpy из байтового значения.

Пример:

>>> import numpy as np
>>> from io import BytesIO

>>> x = np.arange(28*28).reshape(28, 28)
>>> x.shape
(28, 28)

# сохраняем в буфер BytesIO 
>>> np_bytes = BytesIO()
>>> np.save(np_bytes, x, allow_pickle=True)

# получаем байтовое значение
>>> np_bytes = np_bytes.getvalue()
>>> type(np_bytes)
<class 'bytes'>

# загружаем из байтов в массив numpy
>>> load_bytes = BytesIO(np_bytes)
>>> loaded_np = np.load(load_bytes, allow_pickle=True)

# форма сохранена
>>> loaded_np.shape
(28, 28)

# оба массива равны, не указывая форму
>>> np.array_equal(x, loaded_np)
True

Таким образом, использование np.save и np.load упрощает процесс передачи массива, исключая необходимость в манипуляциях с формой.

Если вам просто нужен бинаризованный массив, не ограничиваясь методом np.tobytes, вы можете использовать pickle.dumps и pickle.loads.

Вот пример:

import pickle
import numpy as np

A = np.random.randint(0, 10, [2, 2])
A_bytes = pickle.dumps(A, protocol=0)
A_restore = pickle.loads(A_bytes)

# Проверяем тип байтов и восстановленный массив
np.testing.assert_array_equal(A_restore, A)
assert type(A_bytes) == bytes

Таким образом, вы сможете сохранить и восстановить массив NumPy без лишних сложностей!