Pickle peut être utilisé pour pré-traiter les frameworks d'entité Python qui est le processus de conversion d'un objet de la mémoire en un flux d'octets qui peut être enregistré sur le disque au format binaire. Cette procédure est connue sous le nom de sérialisation. Pour ce faire, utilisez la méthode pickle dump(). Lorsque cet enregistrement binaire est à nouveau chargé dans un programme Python, il peut être désérialisé et reconverti en objet Python à l'aide de la méthode pickle load().
Cet article vous apprend à stocker les données, plus précisément un dictionnaire, à l'aide du module pickle de Python. Pour commencer, il faut se procurer le module pickle. Pickle dump() accepte trois paramètres. La première entrée spécifie les données à enregistrer. Le deuxième paramètre est l'objet fichier renvoyé lorsqu'un fichier est ouvert en mode écriture binaire (wb). L'argument clé-valeur est le troisième paramètre. Le protocole est défini par ce paramètre. Un cornichon est classé en deux types : le PROTOCOLE LE PLUS ÉLEVÉ ainsi qu'un PROTOCOLE PAR DÉFAUT. Pour récupérer ou désérialiser les données, la méthode pickle load() est utilisée grâce à laquelle un objet fichier est obtenu en ouvrant un fichier en mode lecture-binaire (rb).
Exemple 1 : sérialisation et désérialisation de données dans un fichier Pickle à l'aide de la fonction Pickle Dump and Load
Dans cet exemple, nous allons apprendre à sérialiser et désérialiser les données sous forme de dictionnaire avec un code très simple.
Dans le code présenté dans l'illustration précédente, le premier module pickle de la bibliothèque Python est importé afin que ses méthodes puissent être utilisées. Ensuite, un dictionnaire de données avec 2 clés et valeurs est initialisé et stocké dans la variable nommée « shape ». Dans la ligne suivante, la méthode pickle dump() est utilisée pour ouvrir un nouveau fichier avec le nom « info.p » en mode écriture binaire (wb) et les données « shape » sont stockées dans ce fichier. Dans la ligne suivante, la méthode pickle load() est utilisée pour le même fichier dans lequel nous avons vidé les données en mode rb. Cela renvoie nos données de dictionnaire et est stocké dans la variable nommée 'a'. Enfin, cet objet renvoyé est affiché sur le terminal de sortie à l'aide de la commande d'impression, comme illustré dans la capture d'écran suivante.
Nous pouvons voir que les données ont d'abord été stockées dans le fichier 'info.p' en utilisant la méthode de vidage. Ensuite, lorsque nous avons utilisé la méthode load () sur le même fichier, nous avons récupéré nos données.
Exemple 2 : Utilisation de la fonction Pickle Dump avec un protocole supplémentaire pour sérialiser les données en Python
Il s'agit d'un exemple similaire dans lequel nous utilisons un protocole supplémentaire, le 'HIGHEST_PROTOCOL', de pickle qui est le dernier protocole. Ce protocole permet de nouvelles fonctionnalités de langage que nous pouvons utiliser et inclure des optimisations.
Dans le code fourni dans l'illustration précédente, le premier module pickle est importé. Ensuite, un dictionnaire d'un élément avec une clé et une valeur est initialisé et stocké dans la variable 'a'. Dans la ligne suivante, un nouveau fichier qui est le 'info.p' est ouvert en mode wb en tant que handle. Maintenant, le fichier est dans l'objet appelé 'handle'. Ensuite, la fonction dump () est utilisée pour « traiter » avec le dictionnaire « a » en utilisant le « HIGHEST_PROTOCOL ». Cela permet d'enregistrer le dictionnaire en « a » dans le fichier « info.p » sur le disque de l'ordinateur. Pour extraire les informations du fichier, le fichier est d'abord ouvert en mode 'rb'. Ensuite, la méthode pickle load() est utilisée pour ce fichier. Les données renvoyées sont enregistrées dans l'attribut 'b'. Enfin, à l'aide de la commande d'impression, ces informations sont affichées au nœud de sortie, comme illustré dans la capture d'écran suivante :
Exemple 3 : Sérialisation et désérialisation d'une liste de données dans un fichier Pickle à l'aide de la fonction Pickle Dump and Load
Dans cet exemple, le module pickle est importé en premier. Ensuite, certaines données sont insérées dans un dictionnaire sous forme de liste et stockées dans la variable 'shape_colors'. Dans la ligne suivante, la méthode pickle dump() est employée directement avec ces données. A la place du fichier en paramètre, le fichier 'info.p' est ouvert en mode wb. En conséquence, les données du dictionnaire sont maintenant déversées dans ce fichier qui est stocké sur le disque de l'ordinateur. Ensuite, pour lire les données du fichier, la méthode pickle load() est utilisée sur le même fichier. Les données retournées sont enregistrées dans la variable 'a'. Enfin, à l'aide de la commande d'impression, ces informations sont affichées sur les terminaux secondaires, comme illustré dans l'instantané suivant :
Exemple 4 : Stockage d'informations dans un fichier Pickle à l'aide des fonctions Pickle Dump et Load avec différents paramètres
Dans le code fourni, le premier module pickle est importé. Ensuite, un dictionnaire des salaires est initialisé et stocké dans la variable « salaires ». Dans la ligne suivante, un nouveau fichier 'salary.p' est ouvert en mode wb en tant que handle. Maintenant, le fichier est dans l'objet appelé 'handle'. Ensuite, la fonction pickle dump() est utilisée pour « gérer » le dictionnaire « salaires » en utilisant le « HIGHEST_PROTOCOL ». Cela permet de sauvegarder le dictionnaire en « salaires » dans le fichier « salaire.p » sur le disque de l'ordinateur. Maintenant, afin de récupérer les données du fichier, le fichier est d'abord ouvert en mode 'rb'. Ensuite, la méthode pickle load() est utilisée pour ce fichier. Les informations inversées sont enregistrées dans la variable 'a'. En fin de compte, grâce à la commande d'impression, ces données sont affichées à l'extrémité de sortie, comme illustré dans l'instantané suivant :
Exemple 5 : sérialisation et désérialisation de données dans plusieurs dimensions dans un fichier Pickle à l'aide de la fonction Pickle Dump and Load
La création de DataFrames (tables multidimensionnelles) en Python est pratique pour tester de nouvelles méthodes et fonctions trouvées dans le module Panda de Python. Il existe différentes méthodes pour créer un DataFrame à partir de zéro, mais l'une des plus simples consiste à utiliser un dictionnaire de base.
Dans le code fourni dans l'illustration précédente, les premiers modules pickle et Pandas sont importés. Ensuite, une table multidimensionnelle est créée à l'aide de la méthode pd.DataFrame(). L'attribut suivant de la stratégie est une liste de quatre listes. Chaque liste correspond à une ligne du tableau. Le deuxième paramètre est 'columns' qui définit l'en-tête de chaque colonne du tableau. Ce DataFrame est stocké dans 'pre'. Ensuite, un nouveau fichier qui est 'attendance.p' est ouvert en mode wb et la méthode pickle dump() est employée sur ce fichier avec le DataFrame. Maintenant, nos données spécifiées sont stockées dans le fichier 'attendance.p' sur le disque dur de l'ordinateur.
Pour récupérer les données du fichier, on ouvre le fichier en mode rb qui permet la lecture du fichier. Ensuite, la méthode pickle load() est employée dans le fichier 'attendance.p'. Enfin, les données du fichier sont affichées sur le terminal de sortie. Comme nous pouvons le voir, l'ensemble du DataFrame est affiché sur le terminal de sortie qui est stocké dans le fichier 'attendance.p'.
Conclusion
Prenez des précautions supplémentaires lorsque vous travaillez avec des fichiers pickle. Le module pickle manque de sécurité. Décollez uniquement les données en lesquelles vous avez confiance. Il est possible de créer des données pickle malveillantes qui pourraient exécuter du code arbitraire pendant le processus de décochage. C'est néanmoins une méthode efficace pour stocker des dictionnaires, des listes et des tables en Python. Le décapage est particulièrement bénéfique dans l'analyse des données lorsque vous exécutez des opérations de routine sur les données telles que le prétraitement. J'espère que cet article vous a aidé à découvrir les différentes méthodes du module pickle de Python et comment l'utiliser avec des dictionnaires.