拾取和解除拾取
对象的序列化是将对象转换为比特形式的方法，这样我们就可以在硬盘上保存对象的状态。尽管许多语言都为我们提供了对象序列化的方式，但Python在所有的语言中更加灵活。
【资料图】
在Python中，对象序列化被称为pickling，而去序列化被称为unpickling。我们在 Python 中大多使用对象。因此，我们几乎可以对所有的东西进行序列化/非序列化。然而，在使用它之前，不可避免地要小心，必须知道 pickling 的目的。
在进入理论细节之前，让我们用Pickle模块演示一下Python中的pickling。
在Python中进行腌制
对于pickling，首先，导入pickle 模块。
import pickle我们可以在Python中序列化几乎任何对象。让我们拿一个字典对象来做示范。
bio_dict = { "name": "Zohaib", "age": 29, "profession": "Engineer"}#Python小白学习交流群：711312441pickle 包含 函数来序列化该对象。.dump()
with open("bio_dict.pickle", "wb" ) as file_name: pickle.dump(bio_dict, file_name)在上面的代码中，我们打开了一个有写权限的文件bio_dict.pickle (即wb)，然后用.dump() 函数将bio_dict 字典腌制到腌制文件中。结果，我们成功地将字典转换为字节流格式。
在 Python 中解除腌制
当需要再次使用腌制的对象时，可以对它进行反序列化。为此，我们可以使用pickle.load() 函数，正如下面的代码所演示的：
with open("bio_dict.pickle", "rb" ) as file_name: unpickled_dict =pickle.load(file_name)print("The retrieved dictionary is: ", unpickled_dict)我们打开之前保存的(.pickle)文件，然后使用.load() 函数再次获取对象。上面的代码产生了以下输出。
The retrieved dictionary is: {"name": "Zohaib", "age": 29, "profession": "Engineer"}我们可以用下面的代码检查腌制和未腌制的对象是否相等。
assert bio_dict==unpickled_dict腌制的优势和劣势
以下是Python中腌制的优点：
几乎任何Python对象都可以用Python中的这个pickle 模块进行序列化，不像JSON 和其他序列化技术。
我们以后可以使用腌制的对象。例如，如果你做了一个大型的计算，并且腌制了对象。那么，下次当你开始一个新的Python会话时，你不需要再做以前完成的大型计算。
相反，你把腌制的对象解开，在新的计算中使用它们。这样，我们可以节省时间和资源。
腌制的对象可以有效地被多个线程读取，从而实现快速的并行计算。
腌制有多种后果。在使用pickling之前，你应该意识到它们。
- 我们不应该解开从不可靠的来源收集的数据。它可能包含被篡改的数据或一些任意脆弱的代码，可能导致严重的安全问题。
- 与JSON 文件不同，腌制文件不是人类可以阅读的。
- JSON 文件可以被多种语言所使用和支持。另一方面，Python中的pickle文件可能不被许多语言所支持，你可能需要相关的第三方中介库来作为适配器。
还有什么可以被腌制
这是一个重要的问题，需要很多时间来描述。但是，简而言之，你可以腌制许多Python的东西，比如函数、Pandas 数据框，以及其他许多东西。
Pickle也是一个对机器学习非常有帮助的工具，因为它可以让你保存你的模型，减少耗时的再训练，以及分享、提交和重新加载以前训练的模型。
你可以按照这个指南使用pickle来存储你的机器学习模型。
