pandas.read_pickle#

pandas.read_pickle(filepath_or_buffer, compression='infer', storage_options=None)[источник]#

Загрузить сериализованный объект pandas (или любой объект) из файла.

Предупреждение

Загрузка сериализованных данных из ненадежных источников может быть небезопасной. См. здесь.

Параметры:

filepath_or_bufferstr, объект пути или файлоподобный объект: Строка, объект пути (реализующий os.PathLike[str]), или файлоподобный объект, реализующий двоичный readlines() функция. Также принимает URL. URL не ограничен S3 и GCS.
compressionстрока или словарь, по умолчанию ‘infer’: Для динамической распаковки данных на диске. Если 'infer' и 'filepath_or_buffer' является путем, то определить сжатие по следующим расширениям: '.gz', '.bz2', '.zip', '.xz', '.zst', '.tar', '.tar.gz', '.tar.xz' или '.tar.bz2' (в противном случае без сжатия). Если используется 'zip' или 'tar', ZIP-файл должен содержать только один файл данных для чтения. Установить в None для отсутствия распаковки. Также может быть словарём с ключом 'method' установить в одно из {'zip', 'gzip', 'bz2', 'zstd', 'xz', 'tar'} и другие пары ключ-значение передаются в zipfile.ZipFile, gzip.GzipFile, bz2.BZ2File, zstandard.ZstdDecompressor, lzma.LZMAFile или tarfile.TarFile, соответственно. В качестве примера, следующее может быть передано для декомпрессии Zstandard с использованием пользовательского словаря сжатия: compression={'method': 'zstd', 'dict_data': my_compression_dict}.

Добавлено в версии 1.5.0: Добавлена поддержка для .tar файлы.

Изменено в версии 1.4.0: Поддержка Zstandard.
storage_optionsdict, optional: Дополнительные параметры, которые имеют смысл для конкретного соединения с хранилищем, например, хост, порт, имя пользователя, пароль и т.д. Для HTTP(S) URL пары ключ-значение передаются в urllib.request.Request в качестве параметров заголовка. Для других URL-адресов (например, начинающихся с "s3://" и "gcs://") пары ключ-значение передаются fsspec.open. Пожалуйста, смотрите fsspec и urllib для получения дополнительной информации, а для дополнительных примеров по опциям хранения см. здесь.

Возвращает:

тот же тип, что и объект, хранящийся в файле

Смотрите также

DataFrame.to_pickle: Замариновать (сериализовать) объект DataFrame в файл.
Series.to_pickle: Сериализовать объект Series в файл с помощью pickle.
read_hdf: Чтение файла HDF5 в DataFrame.
read_sql: Чтение SQL-запроса или таблицы базы данных в DataFrame.
read_parquet: Загрузить объект parquet, возвращая DataFrame.

Примечания

read_pickle гарантированно обратно совместим только с pandas 0.20.3 при условии, что объект был сериализован с помощью to_pickle.

Примеры

>>> original_df = pd.DataFrame(
...     {"foo": range(5), "bar": range(5, 10)}
...    )  
>>> original_df  
   foo  bar
0    0    5
1    1    6
2    2    7
3    3    8
4    4    9
>>> pd.to_pickle(original_df, "./dummy.pkl")  

>>> unpickled_df = pd.read_pickle("./dummy.pkl")  
>>> unpickled_df  
   foo  bar
0    0    5
1    1    6
2    2    7
3    3    8
4    4    9