在本文中,我们将探讨 Python 中 pickling 和 unpickling 之间的主要区别。我们将讨论Python的概念 详细介绍 pickling 和 unpickling,包括其目的、语法、用法以及安全可靠的 pickling 和 unpickling 操作的注意事项。让我们深入了解酸洗和反酸洗的世界Python.
Python 酸洗
Pickling 是用于序列化对象的 Python 术语,这需要将其转换为可以存储在文件中或通过网络进行通信的二进制表示形式。 Python 具有用于酸洗对象的内置函数泡菜模块.
示例:Python 对象序列化
在此示例中,我们创建一个名为“person.pickle”的文件,用于存储 Python 对象的序列化形式。我们将创建一个将被序列化的字典对象‘person’。文件对象表示将用于写入 pickle 对象的文件。然后使用 pickle.dump() 函数将 person 对象 pickle 到文件中。它需要两个参数 - 要 pickle 的对象和 pickle 对象应写入的文件对象。
Python3
import pickle
# Define a Python object
person = {
"name": "Alice",
"age": 30,
"gender": "female"
}
# Pickle the object to a binary file
with open("person.pickle", "wb") as file:
pickle.dump(person, file)
print("Pickling completed")
输出:
运行此代码后,将在同一目录中创建一个名为“person.pickle”的二进制文件,其中包含 person 对象的 pickle 二进制表示。
Pickling completed
Python 中的 Unpickle
在 Python 中,反序列化 pickled 对象需要将其从二进制表示形式转回可在代码中使用的 Python 对象。这个过程称为解酸。 Python 的内置 pickle 模块具有 unpickle 对象的函数。
示例:Python 对象反序列化
在此示例中,我们将使用 pickle 模块的 load() 函数在 Python 代码中加载 pickle 文件。 pickle.load() 函数用于反序列化和取消文件中的对象。它需要一个参数 - 应从中加载对象的文件对象。未 pickle 的对象存储在变量数据中。
Python3
import pickle
# load the data from a file
with open('data.pkl', 'rb') as f:
data = pickle.load(f)
# print the data
print(data)
输出
{'name': 'Alice', 'age': 30, 'gender': 'female'}
酸洗和解酸洗的区别
酸洗和反酸洗的区别如下:
酸洗 | 脱酸 |
---|---|
将 Python 对象转换为二进制表示的序列化过程。 |
将二进制表示形式转换回 Python 对象的反序列化过程。 |
允许对象存储在文件中或通过网络传输。 |
从存储的文件或接收的数据中检索对象。 |
使用泡菜.dump()函数将对象写入文件或流。 |
使用泡菜.load()函数从文件或流中读取对象。 |
对象被转换为人类无法读取的二进制格式。 |
二进制格式被转换回 Python 对象,可以在 Python 代码中使用。 |
支持复杂对象的序列化,包括自定义类、函数和数据结构。 |
支持复杂对象的反序列化,包括自定义类、函数和数据结构。 |
可以处理循环引用并在序列化期间维护对象引用。 |
可以在反序列化过程中恢复对象引用,保留原始对象关系。 |
相关用法
- Python PIL ImageGrab.grab()用法及代码示例
- Python PIL ImageGrab.grabclipboard()用法及代码示例
- Python Pandas.apply()用法及代码示例
- Python Pandas.Categorical()用法及代码示例
- Python Pandas.CategoricalDtype()用法及代码示例
- Python Pandas DataFrame.abs()用法及代码示例
- Python Pandas dataframe.add()用法及代码示例
- Python Pandas dataframe.add_prefix()用法及代码示例
- Python Pandas dataframe.add_suffix()用法及代码示例
- Python Pandas dataframe.aggregate()用法及代码示例
- Python Pandas dataframe.all()用法及代码示例
- Python Pandas dataframe.applymap()用法及代码示例
- Python Pandas dataframe.asfreq()用法及代码示例
- Python Pandas dataframe.assign()用法及代码示例
- Python Pandas DataFrame.astype()用法及代码示例
- Python Pandas Dataframe.at[ ]用法及代码示例
- Python Pandas dataframe.at_time()用法及代码示例
- Python Pandas DataFrame.axes用法及代码示例
- Python Pandas dataframe.between_time()用法及代码示例
- Python Pandas dataframe.bfill()用法及代码示例
- Python Pandas DataFrame.blocks用法及代码示例
- Python Pandas dataframe.clip()用法及代码示例
- Python Pandas dataframe.clip_lower()用法及代码示例
- Python Pandas dataframe.clip_upper()用法及代码示例
- Python Pandas DataFrame.columns用法及代码示例
注:本文由纯净天空筛选整理自mguru4c05q大神的英文原创作品 Difference Between Pickling and Unpickling in Python。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。