model训练中python基本数据类型的保存输出

在Python中，如果希望透明地存储对象，而不丢失其身份和类型等信息，则需要某种形式的对象序列化，这是一个将任意复杂的对象转成对象的文本和二进制表示的过程。同样，必须能够将对象经过序列化后的形式恢复到原来的对象。这种序列化的过程称为pickle，可以将对象pickle成字符串、磁盘上的文件或者任何类似于文件的对象；反序列化的过程就是将这些字符串、文件或任何类似于文件的对象unpickle成原来的对象。

主要是字符串、列表、元组与集合等，这一部分数据相比字典格式的数据比较简单（非复合数据，字典一般都是复合型数据，里面可以再嵌套前面所提到的这些数据格式）。

下面以保存字典数据类型数据为例进行解释，

一，保存为json

在 Python 中，json 模块提供了 dump、dumps、load 和 loads 四个函数，它们用于处理 JSON 数据的序列化和反序列化。

一、dump 和 dumps

1. dump

• 用途：将 Python 对象序列化为 JSON 格式的字节流，并将其写入文件或类文件对象。
• 参数：
  • 第一个参数是要序列化的 Python 对象。
  • 第二个参数是文件或类文件对象。
• 特点：直接将序列化后的数据写入文件，适合将数据持久化到文件系统中。

示例

import json# 创建一个 Python 字典
data = {"name": "Alice", "age": 25, "city": "New York"}# 将数据序列化并写入文件
with open("data.json", "w") as file:json.dump(data, file)# 文件 data.json 中的内容将是：
# {
#     "name": "Alice",
#     "age": 25,
#     "city": "New York"
# }

2. dumps

• 用途：将 Python 对象序列化为 JSON 格式的字符串。
• 参数：只接受一个参数，即要序列化的 Python 对象。
• 特点：返回一个字符串，适合在程序中进行传递、存储或其他处理。

示例

import json# 创建一个 Python 字典
data = {"name": "Bob", "age": 30, "city": "Los Angeles"}# 将数据序列化为字符串
json_str = json.dumps(data)# 打印字符串
print(json_str)
# 输出：
# {"name": "Bob", "age": 30, "city": "Los Angeles"}# 可以将这个字符串用于其他操作，例如发送到网络、存储到内存等

详细比较，我们可以发现：

dumps是将python对象（比如说此处的dict）转换为json格式的str

而dump是将该对象转换为了json格式的字节流，并将其写入类文件对象

也就是说dump比dumps多了和文件操作结合起来的步骤

二、load 和 loads

1. load

• 用途：从文件中读取 JSON 数据并将其解析为 Python 对象。
• 参数：接受一个文件对象作为参数。
• 特点：直接从文件中读取数据并解析，适合处理存储在文件中的 JSON 数据。

示例

此处我的示例数据如下：

import json# 假设有一个文件 data.json，内容如下：
# {
#     "name": "Charlie",
#     "age": 35,
#     "city": "Chicago"
# }# 从文件中读取 JSON 数据
with open("data.json", "r") as file:data = json.load(file)# 打印解析后的 Python 对象
print(data)
# 输出：
# {'name': 'Charlie', 'age': 35, 'city': 'Chicago'}

2. loads

• 用途：将 JSON 格式的字符串解析为 Python 对象。
• 参数：接受一个包含 JSON 数据的字符串作为参数。
• 特点：从字符串中解析数据，适合处理从网络、内存等地方获取的 JSON 字符串。

示例

import json# JSON 字符串
json_str = '{"name": "David", "age": 40, "city": "Houston"}'# 将 JSON 字符串解析为 Python 对象
data = json.loads(json_str)# 打印解析后的 Python 对象
print(data)
# 输出：
# {'name': 'David', 'age': 40, 'city': 'Houston'}

三、总结

• dump** 和 **dumps：
  • dump 是将数据序列化后直接写入文件。
  • dumps 是将数据序列化为字符串，返回字符串。
• load** 和 **loads：
  • load 是从文件中读取 JSON 数据并解析为 Python 对象。
  • loads 是从字符串中解析 JSON 数据为 Python 对象。

简单来说：

• 如果你需要将数据写入文件，就用 dump。
• 如果你需要将数据转换为字符串，就用 dumps。
• 如果你需要从文件中读取 JSON 数据，就用 load。
• 如果你需要从字符串中解析 JSON 数据，就用 loads。

json的dump和dumps的区别
dumps是将dict转化成str格式，loads是将str转化成dict格式。
dump和load也是类似的功能，只是与文件操作结合起来了。简单理解就是dump和load需要一个类似于文件指针的参数（并不是真的指针，可称之为类文件对象），可以与文件操作结合

总之，带s的dumps和loads都是涉及到str字符串，

不带s的dump和load都是直接字节流的文件操作

二，保存为pkl文件

一般使用joblib模块或者是pickle模块，也就是我们在机器学习保存最优model结果的同样操作。

python中的json模块（前面一种方法）和pickle、joblib模块，实际上都是用于数据的序列化和反序列化，所提供的方法也无非是一致的：dumps、dump以及loads、load。

总得来说：

• dumps（obs）：将对象序列化为str
• dump（obj，fp）：将对象序列化为str，并存入文件中
• loads（s）：将（序列化之后的）字符串反序列化为Python对象
• load（fp）：将文件中的（序列化后的）字符串反序列化为Python对象

所以操作逻辑上其实json和pkl是一样的，细节上有点差异：

• 通用性：

json序列化后的字符串是通用的格式（普通的字符串）在不同的平台和语言都可以识别，而pickle序列化后的字符串只有Python可以识别（Python专用序列化模块）

• 处理的数据类型：

json能序列化的对象只是Python中基础数据类型，而pickle能序列化Python中所有的数据类型（划重点，是所有数据类型，所以实际上所有中间变量或者是函数返回结果，都可以直接用pkl格式文件接住并复原）。

• 处理后的数据类型：

json序列化后的字符串是文本类型（记事本打开文件后或者print打印后，你也能看懂其中的内容），而pickle序列化后的字符串是二进制流数据（记事本打开后或者print打印后就完全看不懂里面的内容了）。所以在进行文件操作时注意使用的是哪个模块，是否需要以b的格式打开。

总之，如果是保存为pkl文件的话，一般而言要么使用joblib，或者是pickle模块。

实际使用的时候，个人推荐joblib（至少我一般内存缓存，或存储model结果的大型数组的时候，还是joblib使用的多），

相比pickle，joblib会

• 内存缓存：自动缓存函数的输出结果，避免重复计算。
• 高效存储：特别优化用于存储大型数组，使用joblib进行数据序列化和反序列化比Python标准的pickle更快。
• 并行计算支持：简化了并行计算的实现，能够轻松地在Python代码中实现多核处理。

特性	Pickle	Joblib
序列化算法	Python内置序列化	基于pickle，针对科学计算优化
numpy数组处理	标准序列化	高效处理，使用内存映射
压缩支持	需要额外模块(gzip等)	内置压缩支持
大文件处理	内存占用较高	内存友好，支持lazy loading
并行安全	不支持	支持并行读写
兼容性	标准Python	需要安装scikit-learn

比如说我手头上有这么一个字典数据：

如果我想要保存，使用pickle的话：

import pickle
# 保存为pickle文件
with open("dict1.pkl","wb") as f:pickle.dump(dict1,f)# 读取pkl文件
with open("dict1.pkl","rb") as f:dict1_new = pickle.load(f)
dict1_new

同理使用joblib也是一样的：

import joblib
# 保存为pkl文件with open("dict1_new.pkl","wb") as f:joblib.dump(dict1_new,f)# 读取pkl文件
with open("dict1_new.pkl","rb") as f:dict1_new = joblib.load(f)dict1_new

joblib还可以使用压缩参数，常用的压缩格式就是：level 3

另外在实际使用时joblib和pickle还是有点区别的：

import joblib
# 直接保存为pkl文件
joblib.dump(dict1,"dict1_new2.pkl")dict2_new = joblib.load("dict1_new2.pkl")dict2_new

这里应该就很明显了，pickle在dump还是load，都需要句柄，但是joblib可以直接处理。

如何理解句柄上的差异，在下面的小结中展示

三，小结

1，json和joblib/pickle存储格式的差异

为什么在json保存中使用dump或load，open中只要使用w或r模式就可以了，但是在joblib或者pickle中得使用wb或rb？

JSON存储格式：

• 文本格式：JSON以纯文本形式存储数据
• 人类可读：可以用任何文本编辑器打开查看
• 编码方式：使用字符编码（如UTF-8）

Pickle/Joblib存储格式：

• 二进制格式：以字节流形式存储数据
• 机器可读：包含Python对象的完整序列化信息
• 编码方式：直接的字节表示

# 演示不同文件模式的区别
import json
import pickle
import joblib# 测试数据
test_data = {"name": "test", "values": [1, 2, 3]}# 1. JSON - 文本模式
print("=== JSON文本模式 ===")
# 保存 - 使用文本模式 'w'
with open('test_json.json', 'w') as f:json.dump(test_data, f)# 读取 - 使用文本模式 'r'  
with open('test_json.json', 'r') as f:data = json.load(f)
print(f"JSON读取结果: {data}")# 查看JSON文件内容（文本格式）
with open('test_json.json', 'r') as f:content = f.read()
print(f"JSON文件内容: {content}")# 2. Pickle - 二进制模式
print("\n=== Pickle二进制模式 ===")
# 保存 - 必须使用二进制模式 'wb'
with open('test_pickle.pkl', 'wb') as f:pickle.dump(test_data, f)# 读取 - 必须使用二进制模式 'rb'
with open('test_pickle.pkl', 'rb') as f:data = pickle.load(f)
print(f"Pickle读取结果: {data}")# 查看Pickle文件内容（二进制格式，不可读）
with open('test_pickle.pkl', 'rb') as f:content = f.read()
print(f"Pickle文件内容（前50字节）: {content[:50]}")

JSON必须使用文本模式的原因：

import jsondata = {"test": "value"}# 正确方式 - 文本模式
with open('correct.json', 'w') as f:json.dump(data, f)# 错误方式 - 二进制模式会报错
try:with open('wrong.json', 'wb') as f:json.dump(data, f)  # 这会报错
except TypeError as e:print(f"JSON使用二进制模式的错误: {e}")# 错误信息: a bytes-like object is required, not 'str'

Pickle/Joblib必须使用二进制模式的原因：

import pickledata = {"test": "value"}# 正确方式 - 二进制模式
with open('correct.pkl', 'wb') as f:pickle.dump(data, f)# 错误方式 - 文本模式会报错
try:with open('wrong.pkl', 'w') as f:pickle.dump(data, f)  # 这会报错
except TypeError as e:print(f"Pickle使用文本模式的错误: {e}")# 错误信息: write() argument must be str, not bytes

2，关于文件句柄的使用

JSON - 必须使用文件句柄

import jsondata = {"test": "data"}# JSON必须通过文件句柄操作
# 这是因为json.dump/load设计为接受文件对象参数# 保存方式1：使用文件句柄
with open('data.json', 'w') as f:json.dump(data, f)# 保存方式2：直接转换为字符串再写入
json_string = json.dumps(data)  # 转换为JSON字符串
with open('data2.json', 'w') as f:f.write(json_string)# 读取方式1：使用文件句柄
with open('data.json', 'r') as f:loaded_data = json.load(f)# 读取方式2：先读取字符串再解析
with open('data.json', 'r') as f:json_string = f.read()
loaded_data = json.loads(json_string)  # 从字符串解析print(f"JSON加载的数据: {loaded_data}")

Pickle/Joblib - 支持直接文件路径否？

import pickle
import joblibdata = {"test": "data"}# Pickle的两种使用方式
print("=== Pickle使用方式 ===")# 方式1：使用文件句柄（传统方式）
with open('data_pickle_handle.pkl', 'wb') as f:pickle.dump(data, f)with open('data_pickle_handle.pkl', 'rb') as f:loaded_data = pickle.load(f)
print(f"Pickle句柄方式: {loaded_data}")# 方式2：pickle不支持直接文件路径
pickle.dump(data, 'file.pkl')  # 这样是错误的

# Joblib的两种使用方式
print("\n=== Joblib使用方式 ===")# 方式1：直接使用文件路径（推荐）
joblib.dump(data, 'data_joblib_direct.pkl')
loaded_data = joblib.load('data_joblib_direct.pkl')
print(f"Joblib直接路径方式: {loaded_data}")# 方式2：使用文件句柄
with open('data_joblib_handle.pkl', 'wb') as f:joblib.dump(data, f)with open('data_joblib_handle.pkl', 'rb') as f:loaded_data = joblib.load(f)
print(f"Joblib句柄方式: {loaded_data}")

所以在实际使用的时候，比如说model训练的时候，对于要保存的model，以及要保存的重要数据变量（比如某个dict），

我最常用的其实就是joblib，而且不使用文件句柄，直接dump、直接load