全文一览
- 一、前言
- 1.1 需求分析
- 1.2 准备工作
- 二、方法合集
- 2.1 txt 方法
- 2.1.1 保存变量
- 2.1.2 加载 txt 文件
- 2.1.3 验证变量
- 2.1.4 txt 文件样式
- 2.2 json 方法
- 2.2.1 保存变量
- 2.2.2 加载 json 文件
- 2.2.3 提取变量
- 2.2.4 json 文件样式
- 2.3 joblib 方法
- 2.3.1 保存变量
- 2.3.2 加载 joblib 文件
- 2.3.3 提取变量
- 2.3.4 joblib 文件样式
- 2.4 pickle 方法
- 2.4.1 保存变量
- 2.4.2 加载 pkl 文件
- 2.4.3 提取变量
- 2.4.4 pkl 文件样式
- 三、运行截图
- 四、完整代码
一、前言
1.1 需求分析
python 代码在执行完毕后，会回收全部的变量。要重新获得其中的中间变量，重复运行代码即可解决该问题。
但是，如果目标是对中间变量进行分析处理，这样会使得代码冗杂。一些场景下，执行代码还会花费大量的时间。随机数的引入还可能使得每次复现的结果不同。
因而，本文就如何保存代码执行过程中的中间变量，对 txt、json、joblib 以及 pickle方法进行了探究。
1.2 准备工作
为了验证这些方法的效果，本文先通过 random 方法获取一些随机变量 x 和 y 。由于 json 、joblib 和 pickle 文件中只能存储一个变量，本文还创建了 Variables 字典变量，用于间接存储变量 x 和 y 。
import random x = [random.random() for _ in range(5)] y = [random.randint(1,10) for _ in range(5)] Variables = {"x": x, "y": y} print("原先的全部变量:", Variables)
此外，joblib 库属于第三方库，并非 python 自带，在使用前需要安装：
>pip install joblib
二、方法合集
2.1 txt 方法
提到保存，首先最容易被想到的就是 txt 文件。该方法能够简洁快速地保存字符串。
2.1.1 保存变量
首先，将变量保存到 txt 文件。该方法需要将 x 和 y 转化为字符串。由于该方式读取往往通过行数来区分不同的变量，故而，需要在 x 和 y 字符串中间插入换行符“\n”。
# 将变量保存到 txt 文件中 with open("variables.txt", 'w', encoding="utf-8") as f: f.write(str(x)) f.write("\n") f.write(str(y))
2.1.2 加载 txt 文件
其次，按行读取变量。通过 readline 可以获得每一行的字符串，再通过 eval 函数，即可将字符串转化回变量。
# 从 txt 文件中加载变量 with open("variables.txt", 'r', encoding="utf-8") as f: x_str = f.readline() y_str = f.readline() x_loaded = eval(x_str) y_loaded = eval(y_str)
2.1.3 验证变量
最后，验证变量。通过 == 符号，验证保存的变量是否与原先的变量一致。
# 验证 print("x 加载前后一致:", x_loaded == x) print("y 加载前后一致:", y_loaded == y) # x 加载前后一致: True # y 加载前后一致: True
2.1.4 txt 文件样式
txt 文件内容如下：
虽然本方法较为简单，但需要明确行与变量的对应关系。此外，对于复杂的对象，如自定义的类、训练的深度学习模型等，该方法的保存较为困难。
2.2 json 方法
2.2.1 保存变量
json 也是文件保存常用的方法，跟 txt 一样可以跨平台实现数据交互。json 的兼容性和效率要更高。
首先，保存变量到 json 文件。该文件以“json”为后缀，可以指定编码格式。此处，dump 传入的 f 为文件对象。
# 将变量保存到 json 文件中 with open("variables.json", "w", encoding="utf-8") as f: json.dump(Variables, f)
2.2.2 加载 json 文件
其次，从 json 文件中加载变量。load 传入的为文件对象。
# 从 json 文件中加载变量 with open("variables.json", "r", encoding="utf-8") as f: Variables_loaded = json.load(f) print("加载出的全部变量:", Variables)
2.2.3 提取变量
最后，获取对应变量并验证。
# 验证 x_loaded = Variables_loaded['x'] y_loaded = Variables_loaded['y'] print("x 加载前后一致:", x_loaded == x) print("y 加载前后一致:", y_loaded == y) print("全部变量加载前后一致:", Variables_loaded == Variables)
2.2.4 json 文件样式
该方法文件中仅保存一个变量，共占一行。类似 txt，该方法在面对复杂对象时，序列化能力较差。
将该行内容复制，到 json 解析等网站上可以快速解析。
2.3 joblib 方法
joblib 用于高效地序列化和反序列化 Python 对象。其以特定的二进制格式保存变量，使用方法较为简单，在科学计算、机器学习和数据处理等领域中被广泛使用。
2.3.1 保存变量
首先，保存变量到 joblib 文件。使用 dump 方法，直接将变量保存到对应名称的文件中。文件以“joblib”为后缀。注意：这里使用的是文件名，而非文件对象。
# 将变量保存到 joblib 文件中 joblib.dump(Variables, 'variables.joblib')
2.3.2 加载 joblib 文件
其次，加载 joblib 文件。此处也是直接使用文件名。
# 从 joblib 文件中加载变量 Variables_loaded = joblib.load('variables.joblib') print("加载出的全部变量:", Variables)
2.3.3 提取变量
最后，从字典中获取多个变量并验证。
# 验证 x_loaded = Variables_loaded['x'] y_loaded = Variables_loaded['y'] print("x 加载前后一致:", x_loaded == x) print("y 加载前后一致:", y_loaded == y) print("全部变量加载前后一致:", Variables_loaded == Variables)
2.3.4 joblib 文件样式
joblib 方法保存的文件为二进制格式，不能直接阅读。
2.4 pickle 方法
pickle 是 python 自带的一种序列化库。该方法支持对所有 python 对象的序列化存储，使用二进制进行保存和读取。
2.4.1 保存变量
首先，保存到 pkl 文件。写入时采用“wb”方法，以二进制的形式写入。pickle 文件的后缀为“pkl”。在 dump 中传入的 f 为文件对象，而非文件名，因此常配合 with-open-as 语句一起使用。
# 将变量保存到 pkl 文件中 with open("variables.pkl", "wb") as f: pickle.dump(Variables, f)
2.4.2 加载 pkl 文件
其次，从 pkl 文件中加载变量。采用“rb”二进制方法读取。load 参数为文件对象，返回结果为对应的变量。
# 从 pkl 文件中加载变量 with open("variables.pkl", "rb") as f: Variables_loaded = pickle.load(f) print("加载出的全部变量:", Variables)
2.4.3 提取变量
最后，抽取变量并验证。
# 验证 x_loaded = Variables_loaded['x'] y_loaded = Variables_loaded['y'] print("x 加载前后一致:", x_loaded == x) print("y 加载前后一致:", y_loaded == y) print("全部变量加载前后一致:", Variables_loaded == Variables)
2.4.4 pkl 文件样式
类似于 joblib，由于使用二进制进行存储，一般 pkl 文件内容不能直接观察到：
三、运行截图
四、完整代码
#!/usr/bin/env python # -*- coding:utf-8 -*- # @FileName : variables_save_load.py # @Time : 2024/4/21 0:14 # @Author : Carl.Zhang # Function : save import json import pickle import joblib import random x = [random.random() for _ in range(5)] y = [random.randint(1,10) for _ in range(5)] Variables = {"x": x, "y": y} print("原先的全部变量:", Variables) def method_txt(): # txt print("\ntxt method:") # 将变量保存到 txt 文件中 with open("variables.txt", 'w', encoding="utf-8") as f: f.write(str(x)) f.write("\n") f.write(str(y)) # 从 txt 文件中加载变量 with open("variables.txt", 'r', encoding="utf-8") as f: x_str = f.readline() y_str = f.readline() x_loaded = eval(x_str) y_loaded = eval(y_str) # 验证 print("x 加载前后一致:", x_loaded == x) print("y 加载前后一致:", y_loaded == y) def method_json(): # json print("\njson method:") # 将变量保存到 json 文件中 with open("variables.json", "w", encoding="utf-8") as f: json.dump(Variables, f) # 从 json 文件中加载变量 with open("variables.json", "r", encoding="utf-8") as f: Variables_loaded = json.load(f) print("加载出的全部变量:", Variables) # 验证 x_loaded = Variables_loaded['x'] y_loaded = Variables_loaded['y'] print("x 加载前后一致:", x_loaded == x) print("y 加载前后一致:", y_loaded == y) print("全部变量加载前后一致:", Variables_loaded == Variables) def method_joblib(): # joblib print("\njoblib method:") # 将变量保存到 joblib 文件中 joblib.dump(Variables, 'variables.joblib') # 从 joblib 文件中加载变量 Variables_loaded = joblib.load('variables.joblib') print("加载出的全部变量:", Variables) # 验证 x_loaded = Variables_loaded['x'] y_loaded = Variables_loaded['y'] print("x 加载前后一致:", x_loaded == x) print("y 加载前后一致:", y_loaded == y) print("全部变量加载前后一致:", Variables_loaded == Variables) def method_pickle(): # pickle print("\npickle method:") # 将变量保存到 pkl 文件中 with open("variables.pkl", "wb") as f: pickle.dump(Variables, f) # 从 pkl 文件中加载变量 with open("variables.pkl", "rb") as f: Variables_loaded = pickle.load(f) print("加载出的全部变量:", Variables) # 验证 x_loaded = Variables_loaded['x'] y_loaded = Variables_loaded['y'] print("x 加载前后一致:", x_loaded == x) print("y 加载前后一致:", y_loaded == y) print("全部变量加载前后一致:", Variables_loaded == Variables) if __name__ == '__main__': method_txt() method_json() method_joblib() method_pickle()
更多 python 的使用方法和应用，敬请关注后续更新~
