简单介绍python 存储变量的几种方法

共计 1850 个字符，预计需要花费 5 分钟才能阅读完成。

>

>>> import numpy as np
>>> a = np.arange(24).reshape(2,3,4)
>>> a
array([[[0,  1,  2,  3],
        [4,  5,  6,  7],
        [8,  9, 10, 11]],
  
       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])
>>> np.save("D:/aa/npp.npy", a)
>>> b = np.load("D:/aa/npp.npy")
>>> b
array([[[0,  1,  2,  3],
        [4,  5,  6,  7],
        [8,  9, 10, 11]],
  
       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])

如果报错 Object arrays cannot be loaded when allow_pickle=False，需要改为如下：

np.load(path, allow_pickle=True)

>

>>> import pandas as pd
>>> import numpy as np
>>> df = pd.DataFrame(np.arange(12).reshape(3, 4))
>>> df
   0  1   2   3
0  0  1   2   3
1  4  5   6   7
2  8  9  10  11
>>> df.columns = ['I', 'II', 'III', 'IV']
>>> df
   I  II  III  IV
0  0   1    2   3
1  4   5    6   7
2  8   9   10  11
>>> df.to_pickle(r"D:/aa/df")
  
>>> dff = pd.read_pickle(r"D:/aa/df")
>>> dff
   I  II  III  IV
0  0   1    2   3
1  4   5    6   7
2  8   9   10  11

经测试，保存的文件大小与 numpy.save() 方法一致。

>

注意：新版 sklearn 会报错，直接 import joblib 即可

参考：（注意下面评论）cannot import name joblib from sklearn.externals(文末见)

from sklearn.externals import joblib
# 保存 x
joblib.dump(x, 'x.pkl') 
# 加载 x
x = joblib.load('x.pkl')

新版实现方法

import joblib
# 保存 x
joblib.dump(x, 'x.pkl') 
# 加载 x
x = joblib.load('x.pkl')

>

import pickle
   
# 存储变量的文件的名字
filename = 'shoplist.data'
# 初始化变量
shoplist = ['apple', 'mango', 'carrot']
# 以二进制写模式打开目标文件
f = open(filename, 'wb')
# 将变量存储到目标文件中区
pickle.dump(shoplist, f)
# 关闭文件
f.close()
# 删除变量
del shoplist
# 以二进制读模式打开目标文件
f = open(filename, 'rb')
# 将文件中的变量加载到当前工作区
storedlist = pickle.load(f)
print(storedlist)

使用 scikit-learn 跑一个两年前的案例, 报错:cannot import name‘joblib’from‘sklearn.externals’

原因: scikit-learn 版本太新了,

解决方法一：直接使用 import joblib

解决方法二：回退版本

删除当前版本的 scikit-learn pip uninstall scikit-learn

安装旧版本的 scikit-learn pip install scikit-learn==0.20.3

阿里云 2 核 2G 服务器 3M 带宽 61 元 1 年，有高配

腾讯云新客低至 82 元 / 年，老客户 99 元 / 年

代金券：在阿里云专用满减优惠券