熊猫味精包装与泡菜

Question

msgpack在熊猫中应该被取代pickle。

根据msgpack上的Pandas文档：

这是一种轻便的可移植二进制格式，类似于二进制JSON，具有很高的空间利用率，并且在写入（序列化）和读取（反序列化）方面均具有良好的性能。

但是，我发现它的性能似乎与泡菜不相上下。

df = pd.DataFrame(np.random.randn(10000, 100))

>>> %timeit df.to_pickle('test.p')
10 loops, best of 3: 22.4 ms per loop

>>> %timeit df.to_msgpack('test.msg')
10 loops, best of 3: 36.4 ms per loop

>>> %timeit pd.read_pickle('test.p')
100 loops, best of 3: 10.5 ms per loop

>>> %timeit pd.read_msgpack('test.msg')
10 loops, best of 3: 24.6 ms per loop

问题： 除了泡菜的潜在安全问题之外，msgpack相对于泡菜有什么好处？pickle仍然是序列化数据的首选方法，还是目前存在更好的替代方法？

Answer 1

泡菜在以下方面更好：

1. 数值数据或使用缓冲协议的任何数据（numpy数组）（尽管仅当您使用较新的时protocol=）
2. Python特定对象，例如类，函数等。（尽管您应该在此处查看cloudpickle）

MsgPack适用于以下情况：

1. 跨语言互操作。它是JSON的替代品，并做了一些改进
2. 文本数据和Python对象的性能。在任何情况下，这都是比Pickle更快的体面因素。

就像@Jeff上面提到的那样，此博客文章可能很有趣