为找教程的网友们整理了相关的编程文章，网友彭天华根据主题投稿了本篇教程内容，涉及到Python、mat文件、pickle、Python使用pickle模块储存对象操作相关内容，已被883网友关注，如果对知识点想更进一步了解可以在下方电子资料中获取。
Python使用pickle模块储存对象操作
Python读取mat文件,并保存为pickle格式的方法
这两天在搞Theano，要把mat文件转成pickle格式载入Python。
Matlab是把一维数组当做n*1的矩阵的，但Numpy里还是有vector和matrix的区别，Theano也是对二者做了区分。
直接把代码贴出来吧，好像也没什么可讲的 = =
from scipy.io import loadmat
import numpy, cPickle
data_dict=loadmat(r'E:\dataset\CIFAR10\CIFAR10_small.mat') #need an r!
my_array=numpy.array([1,1])
for key in data_dict.keys():
if type(data_dict[key]) == type(my_array):
#print matrix information
print key, type(data_dict[key]),
print data_dict[key].shape
#shape(n,1) (matrix in theano) -> shape(n,) (vector in theano)
print data_dict['Ytr'].shape
Ytr=numpy.hstack(data_dict['Ytr'])
Yte=numpy.hstack(data_dict['Yte'])
Yte=numpy.hstack(data_dict['Yte'])
print Ytr.shape
train_set=(data_dict['Xtr'],Ytr)
valid_set =(data_dict['Xte'],Yte)
test_set =(data_dict['Xte'],Yte)
output = open('cifar10_small_v.pkl', 'wb')
cPickle.dump(train_set, output)
cPickle.dump(valid_set, output)
cPickle.dump(test_set, output)
output.close()
print 'save is done'
pkl_file = open('cifar10_small_v.pkl', 'rb')
data1 = cPickle.load(pkl_file) # is train_set
data2 = cPickle.load(pkl_file) # is valid_set
data3 = cPickle.load(pkl_file) # is test_set
print type(data1[1]),data1[1].shape
pkl_file.close()
Python pickle模块用法实例分析
pickle提供了一个简单的持久化功能。可以将对象以文件的形式存放在磁盘上。
pickle.dump(obj, file[, protocol])
序列化对象，并将结果数据流写入到文件对象中。参数protocol是序列化模式，默认值为0，表示以文本的形式序列化。protocol的值还可以是1或2，表示以二进制的形式序列化。
pickle.load(file)
反序列化对象。将文件中的数据解析为一个Python对象。
其中要注意的是，在load(file)的时候，要让python能够找到类的定义，否则会报错：
比如下面的例子
import pickle
class Person:
def __init__(self,n,a):
self.name=n
self.age=a
def show(self):
print self.name+"_"+str(self.age)
aa = Person("JGood", 2)
aa.show()
f=open('d:\\p.txt','w')
pickle.dump(aa,f,0)
f.close()
#del Person
f=open('d:\\p.txt','r')
bb=pickle.load(f)
f.close()
bb.show()
如果不注释掉del Person的话，那么会报错如下：
>>> JGood_2 Traceback (most recent call last): File "C:/py/test.py", line 15, in <module> bb=pickle.load(f) File "C:\Python27\lib\pickle.py", line 1378, in load return Unpickler(file).load() File "C:\Python27\lib\pickle.py", line 858, in load dispatch[key](self) File "C:\Python27\lib\pickle.py", line 1069, in load_inst klass = self.find_class(module, name) File "C:\Python27\lib\pickle.py", line 1126, in find_class klass = getattr(mod, name) AttributeError: 'module' object has no attribute 'Person'
意思就是当前模块找不到类的定义了。
clear_memo()
清空pickler的“备忘”。使用Pickler实例在序列化对象的时候，它会“记住”已经被序列化的对象引用，所以对同一对象多次调用dump(obj)，pickler不会“傻傻”的去多次序列化。
看下面的例子：
import StringIO
import pickle
class Person:
def __init__(self,n,a):
self.name=n
self.age=a
def show(self):
print self.name+"_"+str(self.age)
aa = Person("JGood", 2)
aa.show()
fle = StringIO.StringIO()
pick = pickle.Pickler(fle)
pick.dump(aa)
val1=fle.getvalue()
print len(val1)
pick.clear_memo()
pick.dump(aa)
val2=fle.getvalue()
print len(val2)
fle.close()
上面的代码运行如下：
>>> JGood_2 66 132 >>>
此时再注释掉pick.clear_memo()后，运行结果如下：
>>> JGood_2 66 70 >>>
主要是因为，python的pickle如果不clear_memo，则不会多次去序列化对象。
Python使用pickle模块储存对象操作示例
众所周知，当我们需要储存数据的时候，就需要用到重定向。但是，这些都是储存简单的数据类型，那么当我们需要存储一个类的实例的时候该怎么存储呢？
实际上，我们需要用到一个模块———pickle，翻译为泡菜坛子
然后贴上一份代码：
# -*- coding:utf-8 -*-
import pickle
class Person():
def __init__(self, name, age):
self.name = name
self.age = age
def show(self):
print(self.name + '_' + str(self.age))
if __name__ == "__main__":
a = Person('tian', 20)
a.show()
c = Person('babydragon' ,5)
f = open('test.txt', 'wb')#这里一定要加上b,因为文件默认的write不能是bytes类型的，可以自己尝试着删去看报错
pickle.dump(a, f, 0)
pickle.dump(c, f, 0)
f.close()
f = open('test.txt', 'rb')
b = pickle.load(f)
mm = pickle.load(f)
cc = pickle.load(f)#有点类似于迭代器的感觉，这个就很强了，因为可以储存具体的实例666
f.close()
b.show()
mm.show()
print(b.name)
