72_Pandas.DataFrame保存并读取带pickle的系列（to_pickle、read

72_Pandas.DataFrame保存并读取带pickle的系列（to_pickle、read_pickle）

要将 pandas.DataFrame、pandas.Series 对象保存为 pickle 文件，请使用 to_pickle() 方法，并使用 pd.read_pickle() 函数读取保存的 pickle 文件。

在此对以下内容进行说明。

什么是pickle
将 pickle 与 pandas 一起使用的优点
- 保存/加载为 CSV 文件时
- 保存/加载为 pickle 文件时
压缩处理

什么是pickle

pickle 是 Python 标准库中包含的一个模块，用于将 Python 对象转换为字节（序列化、pickling）以及从字节转换为 Python 对象（反序列化、unpickling）。

为了方便起见，这里将经过 pickle 并保存的文件称为 pickle 文件。

将 pickle 与 pandas 一起使用的优点

pandas 提供了以 CSV 文件和 JSON 文件等格式保存和读取 pandas.DataFrame 和 pandas.Series 对象的方法。

03_Pandas读取csv/tsv文件（read_csv，read_table）
34_Pandas对CSV文件内容的导出和添加（to_csv）
50_Pandas读取 Excel 文件 (xlsx, xls)
51_Pandas (to_excel) 编写 Excel 文件 (xlsx, xls)
55_Pandas.DataFrame 转换为 JSON 字符串/文件并保存 (to_json)
56_Pandas读取 JSON 字符串/文件 (read_json)

与 CSV 文件和 JSON 文件不同，pickle 文件无法用编辑器检查或在其他应用程序中重复使用，但优点是对象可以按原样读取和写入，而无需在保存或加载时进行任何特殊设置或处理。以下面的 pandas.DataFrame 为例。它是使用日期和时间信息作为索引的时间序列数据，'list’列存储列表类型对象。

import pandas as pddf = pd.DataFrame({'list': [[0, 0], [0, 1], [1, 0], [1, 1]]},index=pd.date_range('2018-01-01', '2018-01-04', freq='D'))print(df)
#               list
# 2018-01-01  [0, 0]
# 2018-01-02  [0, 1]
# 2018-01-03  [1, 0]
# 2018-01-04  [1, 1]print(df.index)
# DatetimeIndex(['2018-01-01', '2018-01-02', '2018-01-03', '2018-01-04'], dtype='datetime64[ns]', freq='D')print(type(df['list'][0]))
# <class 'list'>

保存/加载为 CSV 文件时

保存为 CSV 并重新加载时，首先需要指定 read_csv() 的 index_col 和 parse_dates 参数，以将索引指定为时间序列数据。

df.to_csv('data/pandas_obj.csv')df_from_csv = pd.read_csv('data/pandas_obj.csv', index_col=0, parse_dates=True)print(df_from_csv)
#               list
# 2018-01-01  [0, 0]
# 2018-01-02  [0, 1]
# 2018-01-03  [1, 0]
# 2018-01-04  [1, 1]print(df_from_csv.index)
# DatetimeIndex(['2018-01-01', '2018-01-02', '2018-01-03', '2018-01-04'], dtype='datetime64[ns]', freq=None)

此外，由于“list”列被读取为字符串，因此有必要将其转换为列表类型对象，例如通过将内置函数 eval() 应用于每个元素。

06_Pandas中map(),applymap(),apply()函数的使用方法

print(type(df_from_csv['list'][0]))
# <class 'str'>df_from_csv['list'] = df_from_csv['list'].apply(eval)print(df_from_csv)
#               list
# 2018-01-01  [0, 0]
# 2018-01-02  [0, 1]
# 2018-01-03  [1, 0]
# 2018-01-04  [1, 1]print(type(df_from_csv['list'][0]))
# <class 'list'>

保存/加载为 pickle 文件时

如果使用 to_pickle() 和 read_pickle() 将其视为 pickle 文件，则可以保存该对象而无需指定参数或转换它，并且可以按原样恢复它。

df.to_pickle('data/pandas_obj.pkl')df_from_pkl = pd.read_pickle('data/pandas_obj.pkl')print(df_from_pkl)
#               list
# 2018-01-01  [0, 0]
# 2018-01-02  [0, 1]
# 2018-01-03  [1, 0]
# 2018-01-04  [1, 1]print(df_from_pkl.index)
# DatetimeIndex(['2018-01-01', '2018-01-02', '2018-01-03', '2018-01-04'], dtype='datetime64[ns]', freq='D')print(type(df_from_pkl['list'][0]))
# <class 'list'>

当想要保存对象的状态以暂时挂起工作时，pickle 文件也很有用，并且不必考虑任何特定的事情。此外，它还具有比 CSV 等更快的处理速度的优点。

压缩处理

如果将扩展名指定为 .gz、.bz2、.xz 或 .zip，将自动执行压缩/解压缩过程。

df.to_pickle('data/pandas_obj.zip')df_from_pkl_zip = pd.read_pickle('data/pandas_obj.zip')print(df_from_pkl_zip)
#               list
# 2018-01-01  [0, 0]
# 2018-01-02  [0, 1]
# 2018-01-03  [1, 0]
# 2018-01-04  [1, 1]