在Python 2.7中保存/加载大型列表的最快方法是什么？

Question

在Python 2.7中保存/加载大型列表的最快方法是什么？ 如果已经被问过我道歉，当我搜索时，我无法找到这个问题的答案...

更具体地说，我正在测试模拟某些东西的方法，我需要将我测试的每个方法的结果与精确的解决方案进行比较。 我有一个Python脚本，它生成一个表示确切解决方案的值列表，我不希望每次运行新模拟时都重新计算它。 因此，我想将它保存在某个地方，只需加载解决方案，而不是每当我想看看我的模拟结果有多好时重新计算它。

我也不需要保存的文件是人类可读的。 我只需要能够在Python中加载它。

Answer 1

使用np.load和tolist比任何其他解决方案快得多：

In [77]: outfile = open("test.pkl","w")   
In [78]: l = list(range(1000000))   

In [79]:  timeit np.save("test",l)
10 loops, best of 3: 122 ms per loop

In [80]:  timeit np.load("test.npy").tolist()
10 loops, best of 3: 20.9 ms per loop

In [81]: timeit pickle.load(outfile)
1 loops, best of 3: 1.86 s per loop

In [82]: outfile = open("test.pkl","r")

In [83]: timeit pickle.load(outfile)
1 loops, best of 3: 1.88 s per loop

In [84]: cPickle.dump(l,outfile)
....: 
1 loops, best of 3: 
273 ms per loop    
In [85]: outfile = open("test.pkl","r")
In [72]: %%timeit
cPickle.load(outfile)
   ....: 
1 loops, best of 3: 
539 ms per loop

在python 3中，如果使用numpy数组，numpy会更有效：

In [24]: %%timeit                  
out = open("test.pkl","wb")
pickle.dump(l, out)
   ....: 
10 loops, best of 3: 27.3 ms per loop

In [25]: %%timeit
out = open("test.pkl","rb")
pickle.load(out)
   ....: 
10 loops, best of 3: 52.2 ms per loop

In [26]: timeit np.save("test",l)
10 loops, best of 3: 115 ms per loop

In [27]: timeit np.load("test.npy")
100 loops, best of 3: 2.35 ms per loop

如果你想要一个列表，那么再次调用tolist并使用np.load会更快：

In [29]: timeit np.load("test.npy").tolist()
10 loops, best of 3: 37 ms per loop

Answer 2

正如PadraicCunningham所提到的，你可以腌制清单。

import pickle

lst = [1,2,3,4,5]

with open('file.pkl', 'wb') as pickle_file:
    pickle.dump(lst, pickle_file, protocol=pickle.HIGHEST_PROTOCOL)

这会将列表加载到文件中。

并提取它：

import pickle

with open('file.pkl', 'rb') as pickle_load:
    lst = pickle.load(pickle_load)
print(lst) # prints [1,2,3,4,5]

HIGHEST_PROTOCOL位是可选的，但通常建议使用。 协议定义了pickle如何序列化对象，较低的协议倾向于与旧版本的Python兼容。

值得注意的还有两件事：

还有cPickle模块 - 用C语言编写以优化速度。 您可以按照与上面相同的方式使用它。

Pickle也有一些不安全感（有一些方法可以操纵pickle如何反序列化一个对象，你可以操纵它来使Python做任何你想做的事情或多或少）。 因此，在打开未知数据时不应使用此库。 在极端情况下，您可以尝试更安全的版本，如spickle ： https ： //github.com/ershov/sPickle

我推荐查找的其他图书馆是json和marshall 。

Answer 3

我已经对许多方法进行了一些分析（除了numpy方法）并且pickle / cPickle在简单数据集上非常慢。 最快的方法取决于您要保存的数据类型。 如果要保存字符串和/或整数列表。 我见过的最快的方法是使用for循环直接将它写入文件，并使用','.join(...) ; 使用与.split(',')类似的for循环读回来。

Answer 4

你可能想看看Python对象序列化， pickle和cPickle http://pymotw.com/2/pickle/

pickle.dumps(obj[, protocol])如果省略protocol参数，则使用协议0。 如果protocol指定为负值或HIGHEST_PROTOCOL，则将使用最高协议版本。