之前總結了python的pickle庫的操作，儲存資料使用pickle.dump(obj, file, [,protocol]),將物件obj儲存到檔案file中去。使用pickle.load(file)從file中讀取一個字串，並將它重構為原來的python物件，反序列化出物件過程；

1、pickle.dump(obj, file, [,protocol])

In [1]: import pickle
#寫入一個檔案，用寫入二進位制的格式
In [2]: f = open('data_one.pkl','wb')
#待寫入資料
In [3]: datas = {'name':'Bruce'
 
,'age':25,'high':175}
#dump函式將obj資料datas匯入到file檔案f中
In [4]: data_one = pickle.dump(datas,f,-1)
#完整的f檔案操作控制代碼
In [5]: f.close()

2、pickle.load(file)

#開啟一個data_one檔案
In [8]: f = open('data_one.pkl','rb')
#可以看出開啟後是一個pkl檔案
In [12]: open('data_one.pkl','rb')
Out[12]: <_io.BufferedReader name='data_one.pkl'
 
>
#使用load的方法將資料從pkl檔案中讀取出來
In [9]: pickle.load(f)
Out[9]: {'age': 25, 'high': 175, 'name': 'Bruce'}
In [10]: f.close()

#開啟檔案使用pickle.load後，生成的檔案後續可以一直呼叫
In [13]: f = open('data_one.pkl','rb')
In [14]: c = pickle.load(f)
In [15]: f.close()
#呼叫已經匯出來的檔案
In [16]: c
Out[16]: {'age': 25, 'high': 175, 'name'
 
: 'Bruce'}

3、使用pandas庫進行pickle更加簡單

• 使用DataFrame的to_pickle屬性就可以生成pickle檔案對資料進行永久儲存

In [34]: import pandas as pd
In [36]: import numpy as np
In [38]: df = pd.DataFrame(np.arange(20).reshape(4,5))

In [39]: df
Out[39]:
    0   1   2   3   4
0   0   1   2   3   4
1   5   6   7   8   9
2  10  11  12  13  14
3  15  16  17  18  19
#使用DataFrame的to_pickle屬性就可以生成pickle檔案對資料進行永久儲存
In [40]: df.to_pickle('foo.pkl')

• 使用pandas庫的pd.read_pickle讀取pickle資料

In [42]: pd.read_pickle('foo.pkl')
Out[42]:
    0   1   2   3   4
0   0   1   2   3   4
1   5   6   7   8   9
2  10  11  12  13  14
3  15  16  17  18  19