人们为此使用了多个库(即PyAV、decord、opencv)；我个人经常使用Python OpenCV(主要是通过PyTorch，但这是一个相似的原则)，所以我将在那里谈谈我的经验。您可以使用cv2.VideoCapture将视频文件加载到numpy数组中；理论上，您也可以使用cv2.VideoWriter将其写回，但在实践中，我很难让它在我自己的项目中工作。

视频到Numpy阵列

Tl；dr：创建cv2.VideoCapture Package 器；迭代加载视频中的图片(即帧)。

frames = []

path = "/path/to/my/video/file.mp4"
cap = cv2.VideoCapture(path)
ret = True
while ret:
    ret, img = cap.read() # read one frame from the 'capture' object; img is (H, W, C)
    if ret:
        frames.append(img)
video = np.stack(frames, axis=0) # dimensions (T, H, W, C)

请注意，图像将以BGR通道格式返回，而不是更常见的RGB格式；如果需要将其转换为RGB色彩空间，img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)就足够了。

块状数组到视频

从理论上讲，我看到的使用cv2.VideoWriter的示例如下

# let `video` be an array with dimensionality (T, H, W, C)

num_frames, height, width, _ = video.shape

filename = "/path/where/video/will/be/saved.mp4"
codec_id = "mp4v" # ID for a video codec.
fourcc = cv2.VideoWriter_fourcc(*code)
out = cv2.VideoWriter(filename, fourcc, 20, (width, height))

for frame in np.split(video, num_frames, axis=0):
    out.write(frame)

您还可以将帧保存为临时图像(存在许多np.ndarray->图像管道；我个人使用Pillow)，然后使用ffmpeg(一个命令行实用程序)将这些帧编码为视频文件。但是，这会占用更多的空间，当我需要检查视频数组的各个帧时，我会使用这种方法(在这种情况下，我使用ffmpeg，但这是另一回事)。
另外，您可能想要更改codec_id变量，具体取决于您想要对视频进行编码的方式(如果这对您没有任何意义，请不要担心--它可能对您的应用程序没有影响)；这只是一个四字节代码，用于标识用于生成视频的视频编解码器(请参阅this page；可用性可能因平台而异)。H.264是当今最常用的AFAIK，它由代码“h264”或“x264”给出，但我很难将其与OpenCV(more details here)一起使用；然而，array -> images -> video file方法从命令行与ffmpeg无缝地工作。