直接用 json.dumps() 会报错，因为 ndarray 不是 JSON 可序列化类型；最通用解法是 arr.tolist() 转为嵌套 list，但会丢失 dtype、nan/inf 需预处理。
为什么直接用
js
on.dumps() 会报错：Object of type ndarray is not JSON serializable
NumPy 数组（
）不是 Python 原生类型，
默认只认
、
、
、
、
、
和
。遇到
就直接抛出这个错误，不给商量余地。
根本原因在于 JSON 标准里没有“多维数组”原语，而 NumPy 的内存布局、dtype、形状信息等都无法被 JSON 编码器自动理解。
最轻量、最通用的解法就是调用
——它把
递归转成嵌套的 Python
，完全符合 JSON 可序列化要求：
tolist() 的行为细节：dtype 会丢失，但值和结构保留
只保证数值和嵌套结构正确，不保留原始
、内存顺序（C/F order）、或是否为视图（view）等 NumPy 特有属性。反序列化回来时，默认是
或
，取决于 JSON 解析器推断。
立即学习
“
Python免费学习笔记（深入）
”；
整数数组转成
后，再
得到的是 Python
，不是
浮点数组中若含
或
，
会转成
、
等，而标准 JSON 不支持
，
会报错 —— 需提前处理
高维数组（如 4D）也能转，但生成的嵌套
层级深，可读性差，传输体积也比二进制大得多
遇到 nan/inf 怎么办：先替换再 tolist
JSON 规范明确不支持
、
，所以含这些值的数组调
后，
仍会崩，报错信息是：
。
Find JSON Path Online
Easily find JSON paths within JSON objects using our intuitive Json Path Finder
下载
稳妥做法是在调用
前，用
或手动掩码替换：
注意：
是合法 JSON 值，但反序列化后是 Python
，不是
；如需还原，必须额外记录缺失位置。
要不要考虑更快或更省空间的方案？
如果只是偶尔传小数组，
完全够用；但以下场景建议换方式：
高频传输大数组（>1MB）：JSON 文本体积比二进制大 2–5 倍，解析也慢。改用
/
（本地）或
+
（网络）
需要保留 dtype 和 shape：JSON 本身做不到，得额外字段存
和
，再手写反构逻辑 —— 复杂度陡增，不如直接用
或
（注意安全限制）
前端 JS 需要消费：
输出的嵌套数组 JS 可直接
，是最兼容的选择；别尝试让 JS 直接解析 NumPy 二进制格式
真正容易被忽略的是：
对超大数组可能触发内存峰值（先建 Python list 再转 JSON），如果内存敏感，应分块处理或改用流式序列化方案。
ndarrayjson.dumps()dictliststrintfloatboolNonendarraytolist()ndarraylistimport numpy as np
import json
arr = np.array([[1, 2], [3, 4]], dtype=np.int32)
json_str = json.dumps(arr.tolist()) # ✅ 成功
tolist()dtypefloat64int64listjson.loads()intnp.int32np.nannp.inftolist()Nonefloat('nan')NaNjson.dumps()listNaNInfinitytolist()json.dumps()Out of range float values are not JSON complianttolist()np.nan_to_num()arr = np.array([1.0, np.nan, np.inf, -np.inf])
# 方案一：转为指定填充值（默认 0.0, inf→1.797e+308, -inf→-1.797e+308）
safe_arr = np.nan_to_num(arr, nan=0.0, posinf=None, neginf=None)
# 方案二：更可控 —— 先标记再替换
mask = np.isnan(arr) | np.isinf(arr)
arr_clean = arr.copy()
arr_clean[mask] = 0.0 # 或 None，但注意：None 在 list 中会被 dumps 为 null
json.dumps(arr_clean.tolist())
NoneNonenp.nantolist() + jsonnp.save()np.load()msgpacknumpy.ndarray.tobytes()arr.dtype.strarr.shapejoblibpickletolist()JSON.parse()tolist()