Python 在工作存储器中存储数据帧

有没有办法获取数据帧，比如

df = pd.DataFrame({'a':[1,2,3], 'b':[4,5,6]})

并将其作为二进制对象存储在临时内存中，然后用

open(df, 'rb')

因此，与其做类似的事情

open('/home/user/data.csv', 'rb')

代码应该是

df = pd.DataFrame({'a':[1,2,3], 'b':[4,5,6]})

df_rb = *command to store in temp working memory as binary readable*

open(df_rb, 'rb')

熊猫有方法：

从文档中：

将对象Pickle（序列化）到文件

然后使用

从文档中：

从文件加载pickled对象（或任何对象）

熊猫有方法：

从文档中：

将对象Pickle（序列化）到文件

然后使用

从文档中：

从文件加载pickled对象（或任何对象）

---

您可以将其pickle到内存中的io.BytesIO对象

---

您可以将其pickle到内存中的io.BytesIO对象

---

查看Python的

pickle

模块：我已经尝试过了，但是我无法用它提取文件路径。所以我需要对它进行pickle，获取一个文件路径（不指定文件路径），然后与open一起使用。有什么方法可以做到这一点吗？只需将数据帧转储到内存中的字节流（使用例如

BytesIO

）而不是文件中。您想解决什么问题？我正在尝试解决Django REST API问题；我发布了一个关于这一点的深入问题，但我认为这太深入了。这将提供一个简单的解决方案，而无需更改django api源代码查看Python的

pickle

模块：我尝试过这个模块，但我无法用它提取文件路径。所以我需要对它进行pickle，获取一个文件路径（不指定文件路径），然后与open一起使用。有什么方法可以做到这一点吗？只需将数据帧转储到内存中的字节流（使用例如

BytesIO

）而不是文件中。您想解决什么问题？我正在尝试解决Django REST API问题；我发布了一个关于这一点的深入问题，但我认为这太深入了。这将提供一个简单的解决方案，而无需更改DjangoAPI源代码。“/dummy.filetype”在任何计算机上都能工作吗？我的意思是，有人下载我编写的函数，运行该函数（将文件写入“./file”），并获得一些“目录不存在”错误，是否存在任何风险？看起来不可能是这样，我想它可以在任何机器上运行。您总是可以处理pickle在始终存在的目录中写入的情况。“/dummy.filetype”在任何计算机上都能工作吗？我的意思是，有人下载我编写的函数，运行该函数（将文件写入“./file”），并获得一些“目录不存在”错误，是否存在任何风险？看起来不可能是这样，我想它可以在任何机器上运行。您总是可以处理pickle在始终存在的目录中写入的情况。这很有帮助。。df.to_pickle将关闭io对象，因此我更喜欢使用

pickle.dump

，这样我可以控制自己何时关闭它。@NickBrady-thanx。这很有帮助。。不过df.to_pickle会关闭io对象，所以我更喜欢使用

pickle.dump

，这样我可以控制自己何时关闭它。@NickBrady-thanx。

df.to_pickle("./dummy.pkl")

unpickled_df = pd.read_pickle("./dummy.pkl")

import pandas as pd
import pickle, io
df = pd.DataFrame({'a':[1,2,3], 'b':[4,5,6]})
f = io.BytesIO()
pickle.dump(df,f)
f.seek(0)    # necessary to start reading at the beginning of the "file"
dg = pickle.load(f)

In [48]: dg==df
Out[48]: 
      a     b
0  True  True
1  True  True
2  True  True