我有一个大的结构化二进制文件（2.1gb），每个数据包中都有一段头和所需的数据，这些数据被读取到易失性内存中，以便更快地访问。为此，我目前正在使用numpy的memmap工具和自定义数据类型来检索所需的数据集，使用如下所示的cython过程，

# Code for illustration only

    data1     = np.memmap(file_name,  dtype = dt, mode = 'c')
    data2     = np.memmap(file_name1, dtype = dt, mode = 'c')

    cdef np.ndarray lin1                =       np.zeros((len(data1)), dtype = np.int32)
    cdef np.ndarray lin2                =       np.zeros((len(data2)), dtype = np.int32)
    cdef int i
    for i in range(len(data1)):
        lin1[i]                         =       data1['Packet'][i]
        lin2[i]                         =       data2['Packet'][i]

现在，理想情况下，我希望在这个io操作上花费尽可能少的时间，因为数据集的进一步处理在计算上相当大，并且有多个这样的文件集需要类似的处理。此io操作占用了约40%的代码执行时间。如果数据存在于同一磁盘的不同分区上，则该值甚至更高。
是否有一种更高效或更省时的方法来完成这项工作？