在Python中使用Pandas将数据保存为Pickle文件

让我们在 Python 中使用 Pandas 将数据保存为 Pickle 文件。

Pickle 文件是 Python 对象结构的序列化，也可用于稍后重建对象。此文件还适用于存储您需要快速轻松访问的数据。

这次，我们将使用 Pandas 和 Pickle 模块。Pandas 不是 Python 标准库，因此必须预先安装。Pickle 是标准的 Python 库。

Python

这次Python的版本使用“3.8.5”。

使用Pandas将数据保存为Pickle文件

现在，让我们编写一个脚本，使用 Pandas 将数据保存为 Pickle 文件。

代码

import pandas as pd

data = {
    '名称':['张三','李四','王五'],
    '出生地':['北京','上海','深圳'],
    '年龄':[25,27,29]
} 

df = pd.DataFrame(data)

df.to_pickle('data_test.pkl')

print(pd.read_pickle('data_test.pkl'))

使用 import 调用 pandas 模块并将其命名为 pd. 之后，我们定义了一个名为数据的变量，其中我们描述并存储了三个列和值：“姓名”、“出生地”和“年龄”。

然后我们定义一个名为 df 的变量并在其中使用 pd.DataFrame() 。数据在括号中作为参数和参数传递。这将创建一个 DataFrame。创建的 DataFrame 存储在 df 变量中。

存储后，对 df 变量使用 to_pickle()。传递 pickle 文件的名称以将 DataFrame 保存为 pickle 文件作为括号中的参数。如果仅传递名称，Pickle 文件将保存在 Python 运行的工作目录（当前目录）中。

现在 Pickle 文件已保存，使用 pd.read_pickle() 读取并输出此文件。将保存的 Pickle 文件作为参数和括号中的参数传递。这将加载 Pickle 文件。之后使用print()输出读取到的信息。

执行/验证

在运行 Python 的工作目录（当前目录）中将此脚本另存为“data_p.py”，然后从命令提示符运行它。

当我运行它时，我能够将这次使用 Pandas 创建的 DataFrame 保存为 Pickle 文件，读取保存的 Pickle 文件，并输出文件中的信息。

执行脚本后，查看Python运行的工作目录（当前目录），可以确认保存了名为“data_test.pkl”的Pickle文件。