ValueError: Cannot load file containing pickled data when allow_pickle=False python-BaseException

这个错误通常会在使用 NumPy 的 load() 函数时出现，这个函数默认情况下不允许加载 pickled 数据，会抛出这个错误。解决这个问题的方法是将 allow_pickle 参数设置为 True，例如：

numpy.load('file.npy', allow_pickle=True)

不过需要注意的是，开启 allow_pickle 参数可能会带来一定的安全风险，因为它使得 NumPy 在加载数据时可以执行任意的代码。因此，如果你不信任数据的来源，最好还是不要开启这个参数。

相关问题

ValueError: Cannot load file containing pickled data when allow_pickle=False

这个错误通常是由于在使用`numpy.load()`函数时将 `allow_pickle` 参数设置为了 `False` 导致的。默认情况下，`allow_pickle` 参数是开启的，因此您可以尝试将其设置为 `True`。

例如：

import numpy as np

data = np.load('data.npy', allow_pickle=True)

如果您确实需要将 `allow_pickle` 设置为 `False`，则需要重新保存数据文件，并将其设置为不允许使用 pickle。例如：

import numpy as np

data = np.array([1, 2, 3])
np.save('data.npy', data, allow_pickle=False)

然后再次使用`numpy.load()`函数加载数据时，将 `allow_pickle` 参数设置为 `False` 即可。

ValueError: Cannot load file containing pickled data when allow_pickle=False怎么回事

这个错误提示表明你正在尝试加载一个包含 pickled 数据的文件，但是你设置了 `allow_pickle=False`。

Numpy的 `load()` 函数允许你加载以 `.npy` 或 `.npz` 格式保存的数据。默认情况下，它允许加载 pickled 对象，但这可能存在安全风险，特别是在从不受信任的来源加载数据时。因此，`allow_pickle` 参数用于控制是否允许加载 pickled 对象。

如果你将 `allow_pickle=False`，numpy 将不允许加载 pickled 对象，并且如果在文件中遇到它们，将引发 `ValueError` 错误。要解决此错误，你可以在调用 `load()` 时将 `allow_pickle=True`，或者重新保存文件而不使用 pickling 保存数据。

但是，如果你从不受信任的来源加载数据，通常建议将 `allow_pickle=False`，以避免潜在的安全风险。在这种情况下，你应该确保数据以不使用 pickling 的格式保存，例如 CSV 或 JSON。