Pickle子產品可以序列化對象并儲存到磁盤中,并在需要的時候讀取出來,任何對象都可以執行序列化操作。在機器學習中,我們常常需要把訓練好的模型存儲起來,這樣在進行決策時直接将模型獨處,而不需要重新訓練模型,這樣就大大節約了時間。
python3官方文檔:https://docs.python.org/3.5/library/pickle.html
pickle子產品常用函數
dump(obj,file,[,protocol]) | 将obj對象序列化存入已經打開的file中 |
load(file) | 将file中的對象序列化讀出 |
dumps(obj,[,protocol]) | 将obj對象序列化為string形式,而不是存入檔案中 |
loads(string) | 從string中讀出序列化前的obj對象 |
示例
#coding=utf-8
import pickle
datalist = [[1, 1, 'yes'],
[1, 1, 'yes'],
[1, 0, 'no'],
[0, 1, 'no'],
[0, 1, 'no']]
datadict = { 0: [1, 2, 3, 4],
1: ('a', 'b'),
2: {'c':'yes','d':'no'}}
with open("pickle_test.txt","wb") as writefp:
pickle.dump(datalist, writefp)
pickle.dump(datadict, writefp)
with open("pickle_test.txt", "rb") as readfp:
data1 = pickle.load(readfp)
data2 = pickle.load(readfp)
print (data1)
print (data2)
p = pickle.dumps(datalist)
print( pickle.loads(p) )
p = pickle.dumps(datadict)
print( pickle.loads(p) )
>>> [[1, 1, 'yes'], [1, 1, 'yes'], [1, 0, 'no'], [0, 1, 'no'], [0, 1, 'no']]
>>> {0: [1, 2, 3, 4], 1: ('a', 'b'), 2: {'c': 'yes', 'd': 'no'}}
dump和load相比dumps和loads還有另外一種能力:dump()函數能一個接着一個的将幾個對象序列化存儲到同一個檔案中,随後調用load()來以同樣的順序反序列化讀出這些對象