为什么python pickle加载和转储会膨胀磁盘上对象的大小？

Question

我在一个名为b1.pkl的文件中有一个pickle对象:

$ ls -l b*
-rw-r--r--  1 fireball  staff  64743950 Oct 11 15:32 b1.pkl

然后我运行以下python代码来加载对象并将其转储到一个新文件:

import numpy as np
import cPickle as pkl

fin = open('b1.pkl', 'r')
fout = open('b2.pkl', 'w')

x = pkl.load(fin)
pkl.dump(x, fout)

fin.close()
fout.close()

此代码创建的文件大于两倍:

$ ls -l b*
-rw-r--r--  1 fireball  staff   64743950 Oct 11 15:32 b1.pkl
-rw-r--r--  1 fireball  staff  191763914 Oct 11 15:47 b2.pkl

任何人都可以解释为什么新文件比原始文件大得多？它应该包含完全相同的结构.

Answer 1

原来的泡菜可能会使用其他一些协议.例如,尝试指定protocol=2第二个关键字参数pickle.dump并再次测试.二元泡菜的尺寸要小得多.

Answer 2

很可能您的原始文件b1.pkl是使用更有效的协议模式（1 或 2）挑选出来的。所以你的文件开始时更小。

当您使用 cPickle 加载时，它会自动从文件中为您检测协议。但是，当您使用默认参数再次将其转储时，它将使用更大的协议 0。它这样做是为了便携性/兼容性。您需要明确请求二进制协议。

import numpy as np
import cPickle

# random data
s = {}
for i in xrange(5000):
    s[i] = np.random.randn(5,5)

# pickle it out the first time with binary protocol
with open('data.pkl', 'wb') as f:
    cPickle.dump(s, f, 2)

# read it back in and pickle it out with default args
with open('data.pkl', 'rb') as f:
    with open('data2.pkl', 'wb') as o:
        s = cPickle.load(f)
        cPickle.dump(s, o)

$ ls -l
1174109 Oct 11 16:05 data.pkl
3243157 Oct 11 16:08 data2.pkl