pkl让你代码也可以见得不人

pkl让你代码也可以见得不人

 

   在写代码过程中，总有希望别人不知道代码怎么写的时候，那有些时候可以用api,以吐api给别人，别人给你的api传参数，那么你吐结果别人，这样子也可以，但是api就涉及要把ip放到公网，至少是局域的公网，那么就很麻烦了，这时候pkl就可以帮到你，pkl号称，一切皆可打包。

   首先先跟大家介绍一下pkl是什么东西：

pickle模块详解

该pickle模块实现了用于序列化和反序列化Python对象结构的二进制协议。 “Pickling”是将Python对象层次结构转换为字节流的过程， “unpickling”是反向操作，从而将字节流（来自二进制文件或类似字节的对象）转换回对象层次结构。pickle模块对于错误或恶意构造的数据是不安全的。

pickle协议和JSON（JavaScript Object Notation）的区别 ：

1. JSON是一种文本序列化格式（它输出unicode文本，虽然大部分时间它被编码utf-8），而pickle是二进制序列化格式;

2. JSON是人类可读的，而pickle则不是;

3. JSON是可互操作的，并且在Python生态系统之外广泛使用，而pickle是特定于Python的;

默认情况下，JSON只能表示Python内置类型的子集，而不能表示自定义类; pickle可以表示极其庞大的Python类型（其中许多是自动的，通过巧妙地使用Python的内省工具;复杂的案例可以通过实现特定的对象API来解决）。

pickle 数据格式是特定于Python的。它的优点是没有外部标准强加的限制，例如JSON或XDR（不能代表指针共享）; 但是这意味着非Python程序可能无法重建pickled Python对象。

默认情况下，pickle数据格式使用相对紧凑的二进制表示。如果您需要最佳尺寸特征，则可以有效地压缩数据。

你对上面pkl的详解，看不懂，没关系的，因为我没看懂，但是我们会用就可以了是吧，上面这段话总结起来就是pkl有局限于python的打开，但是json是可以游走在各个软件之间的。

这篇的文章的分享，还是从代码介绍一下pkl,让大家了解多一些pkl的用处，会有以下几项用处：

1、打包dataframe：

1、打包dataframe：



import pickle
import pandas as pd
import os
os.chdir(r"\test_data")
import pandas as pd
gg=pd.read_csv('test_data1.csv')

with open(r'.\test_data1.pkl', 'wb') as f:
    pickle.dump(gg, f)


with open(r'.\test_data1.pkl','rb') as f:
    loaded_obj = pickle.load(f)

                                         

2、打包list&dict



import pandas as pd
a = ['Name', 'Age', 'Gender']
b = ['Ali', '19', 'China']
data = pd.DataFrame(zip(a, b), columns=['project', 'attribute'])
dict_country = data.set_index('project').T.to_dict('list')

with open(r'.\dict_country.pkl', 'wb') as f:
    pickle.dump(dict_country, f)


with open(r'.\dict_country.pkl','rb') as f:
loaded_obj = pickle.load(f)

                                          

3、打包模型



import numpy as np
from sklearn import datasets
from utils.data_manipulation import make_diagonal, normalize, train_test_split

from utils.data_operation import accuracy_score
data = datasets.load_iris()
X = data.data[data.target != 0]
y = data.target[data.target != 0]
y[y == 1] = 0
y[y == 2] = 1

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, seed=1)

clf = LogisticRegression()
clf.fit(X_train, y_train)
with open(r'.\clf.pkl', 'wb') as f:
    pickle.dump(clf, f)


with open(r'.\dict_country.pkl','rb') as f:
    loaded_obj = pickle.load(f)

4、打包代码

    



import  pickle   
class gg():
    def test():
        print('跑数成功了吗')
with open('D:/python_code/mypickle.pickle', 'wb') as f:
    pickle.dump(gg, f)


with open('D:/python_code/mypickle.pickle','rb') as f:
    loaded_obj = pickle.load(f)

loaded_obj.test()

                                          

其实数据这些打包就是为了方便发送或者为了保证数据的好保存，其实其他方式也可以，映射关系这种放在python文件里面也可以，重点就是打包代码这块，打包的代码是看不到具体的代码的，只能按照参数指示输入参数，得到输出结果，那么在一些反欺诈策略，或者一些模型的组合中不想让别人看到其中的规则，就可以使用pkl打包的形式，把你的东西保密化。