这篇文章紧接着前篇：多多教Python：Python 基本功: 4. 读写文件​zhuanlan.zhihu.com

仔细阅读的小伙伴会发现，在基本功4 里最后的一个示例中，我们读取解析了文件中的内容，并且把其中的日期，价格金融数据存入了 Python 字典当中:

In[4] abc_dict

Out[4]:{datetime.datetime(2019, 7, 18, 0, 0): 9682.24,

datetime.datetime(2019, 7, 17, 0, 0): 9411.61,

datetime.datetime(2019, 7, 16, 0, 0): 10858.7,

datetime.datetime(2019, 7, 15, 0, 0): 10195.0,

datetime.datetime(2019, 7, 14, 0, 0): 11378.23,

datetime.datetime(2019, 7, 13, 0, 0): 11810.0,

datetime.datetime(2019, 7, 12, 0, 0): 11338.9,

datetime.datetime(2019, 7, 11, 0, 0): 12090.99,

datetime.datetime(2019, 7, 10, 0, 0): 12577.85}

我们知道了如何从文章读取数据，解析，保存 (原数据)，但是我们该如何保存 abc_dict 这个字典呢？这篇文章通过对数据的序列化，和其更高层次的应用，来了解我们如何正确的对 Python 数据类做存储。

教程需求：Mac OS (Windows, Linux 会略有不同)

安装了 Python 3.0 版本以上, Anaconda

数据序列化

首先我们来了解一下什么是数据序列化。序列化 (Serialization)，是指把程序中的一个类转化成一个标准化的格式。标准化的意义是这个格式可以跨程序，跨平台的被使用，而且保持其原有的内容，规范。

首先我们举个例子，在不用数据序列化的方法，而是直接把字典 abc_dict 存入文件，则是下面的情况:

In [1]:save_file = "abc_dict.txt"

In [2]:with open(save_file, 'w') as file_to_write:

file_to_write.write(str(abc_dict))创建一个变量，定义要存入文件名称。

首先把字典转化成 Python 基础字符串，因为字典本身不能直接被写入文件，然后再把字符串写入文件中。

运行之后，我们会在本地找到一个新的文件，如果你打开的话就是这样:abc_dict.txt

我们来专业的分析一下这么做的几个问题:一致性：保存在文件的是一个字符串，当你再次读取的时候，你需要再次做文件解析，并且没有任何保证解析出来的和保存的内容是一样的。

有效性：数据非常冗长，原本日期 7/18/2019 变成了 datetime.datetime(2019, 7, 18, 0, 0) 这么一个字符串。在跨平台使用时，占用了过多的内存和网络资源。

兼容性：文件是 .txt 格式，没有一个标准来定义该如何读取里面的内容。虽然在写入的时候是 Python 字典转化的，但是读取的程序如果不是 Python，或者不存入字典，就会出现 兼容性问题。

保持数据传输的 一致性，有效性，兼容性 就是数据序列化的意义，下面介绍在数据流 (Data Flow)中，两个数据序列化的应用:你的程序需要和其他程序交流，例如 平台 API, 网页请求串行任务流，每一个任务结束之后数据通过序列化传递到下一个任务。

JSON 序列化

这里我们来介绍第一个序列化方式：JSON。JSON 是一个文件格式，也是一个标准化的数据传输方案，通常网站的后端和前段的交流，移动 APP 和云服务器的交流方式都是通过 JSON。所以我们先来看这个比较通用流行的方法:

In [1]:import json

In [2]:simple_dict = {'ticker': 'baba', 'price': '120.5'}

In [3]:with open('simple_dict.txt', 'w') as file_to_write:

json.dump(simple_dict, file_to_write)第一行调用了 Json 模块 (模块是较小的库，可以理解为子库)，Json 不是一个 Python 自带的基本类型，所以需要调用，但是默认都已经装好了。

创建一个简单字典。

用同样的方法 With 语境，创建一个 simple_dict.txt 文件来保存数据，然后通过调用 json.dump() 方法，把字典转化成 Json 格式的字符串，然后写进文件。

现在我们打开 simple_dict.txt 的文件，就可以看到里面的数据是通过 Json 格式保存。你可以建立一个更加复杂的字典来更加明了的发现 Json 格式转化后的区别:

In [1]: complex_dict = {'ticker': ['baba', 'pdd'], 'price': {'open': 120, 'close': 123, 'vwap': 122}}

然后用同样的方法保存，打开保存的文件，复制里面的内容，然后进入：Json Parser Online​json.parser.online.fr

一个 Json 在线解析网站，黏贴 Json 内容，就会发现解析过后的字符串显示的非常清晰。

从 Python 中读取我们保存下来的 simple_dict 很简单，只需要一行代码:

In [1]:with open('simple_dict.txt', 'r') as file_to_read:

loaded_simple_dict = json.load(file_to_read)

print(type(loaded_simple_dict))

Out [1]: json.load() 是直接从文件中读取全部字符串，然后转化成 Json 理解的格式，然后传给变量 loaded simple dict。看了一下这个变量，的确是字典类。

那 Json 方法有什么弊端呢？尝试把之前创建的 abc_dict 这个字典用同样的方法保存进文件中，你们会发现 Python 会报错:

这个错是因为 abc_dict 字典里的 钥匙是 Python 的 Datetime 数据类，而 Json 的标准化里面并没有 Python 的 Datetime 规则，也就是说当遇到一些 Python 特定的高级数据类型的时候，Json 会因为没有标准而无法进行序列化，而接下来介绍的这个工具会解决这个问题。

Pickle 序列化

Pickle 和 Json 不同的是，Pickle 是 Python 专属的序列化方案，可以转化大多数 Python 的数据类型，并且储存方式是二进制(Byte Code)。二进制的储存方式只有机器才能理解，但是同时也保证了一定的数据隐秘性和高效性。

下面我们来看如何用 Pickle 来实现数据序列化:

In [1]:import pickle

In [2]:with open('abc.pk', 'wb') as file_to_write:

pickle.dump(abc_dict, file_to_write)

In [3]:with open('abc.pk', 'rb') as file_to_read:

abc_dict_pk = pickle.load(file_to_read)

print(type(abc_dict_pk))

Out [3]:调用 Pickle 模块。

这里打开文件的方式是 'wb', 因为 pickle 写入的是二进制格式，如果不加上 'b' 的话会导致无法写入文件。

写入文件之后，再用 pickle 读出数据，同样的因为读取的是二进制，我们用了 'rb' 模式。然后我们检查返回的数据是否是字典类。

我们会发现 Pickle 的语法和 Json 非常相似，虽然本身两者对数据序列化的处理方式皆然不同，但是得益于 Python 的高级接口抽象(Interface Abstraction)，记得 鸭子类型：

我们并不关心对象是什么类型，到底是不是鸭子，只关心行为。

这里两个方法的行为都是在序列化数据，所以在调用方程上感觉完全一样。但是本质上 Json 写入文件的是字符串，而 Pickle 则是把数据转化成了二进制，两个是完全不同的处理方案。

小结

现在流行的数据序列化方案还有 Protobuf, 一个谷歌开发的快速轻量级方案:protocolbuffers/protobuf​github.com

另一个是结合了Json 和 二进制优势的 Bson:BSON (Binary JSON) Serialization​bsonspec.org

在一个大数据任务当中，通常需要多任务并行和串行结合运算加快速度。为了防止中间一环失败而导致整个任务重启，往往会在中间步骤把数据保存下来，就像下图:Map Reduce 利用 Transient Data (临时数据) 来做进度保存

在之后的课程中，Json 和 Pickle 都会频繁的用到的领域有:大数据处理，消费者数据流。

高并发的科学计算。

建立一个神经网络。