python中对象序列化应根据场景选择：仅python内部使用且需保留对象类型和行为时选pickle，跨语言交互或需可读性时选json；pickle支持任意python对象但不安全，json仅支持基础类型且需手动处理datetime等。
Python中对象序列化主要用pickle和json，二者用途不同：pickle用于Python内部数据持久化（支持任意Python对象），json用于跨语言数据交换（只支持基础数据类型）。
什么时候该用pickle
pickle能序列化函数、类实例、嵌套自定义对象等，适合Python程序内部保存状态或缓存。
- 保存训练好的scikit-learn模型、PyTorch模型参数等
- 临时缓存复杂计算结果（如带方法的类实例）
- 进程间传递Python对象（配合multiprocessing）
注意：pickle文件不安全，不能加载不可信来源的数据，否则可能执行任意代码。
什么时候该用json
json生成的是纯文本、人类可读、所有主流语言都支持的格式，适合API通信、配置文件、日志记录。
Pandas 配置文件报告生成器
下载
使用ydata-profiling（前身为pandas-profiling）生成全面的数据质量报告，包含相关性分析、缺失值模式和基数检测。导出交互式HTML仪表板和JSON摘要。
- Web接口返回数据（如Flask/FastAPI的响应体）
- 保存用户配置（字符串、数字、布尔、列表、字典、None）
- 前端与后端之间传输结构化数据
限制：不能直接序列化datetime、set、自定义类等；需手动转换（例如把datetime转为ISO字符串）。
关键操作对比
以下是最常用写法对比：
- pickle.dump(obj, file) —— 写入二进制文件；pickle.load(file) —— 从文件读取
-
json.dump(obj, file) —— 写入文本文件（需open时指定
encoding='utf-8'）；json.load(file) —— 从文件读取 - pickle.dumps(obj) → bytes；json.dumps(obj) → str（默认不带编码）
- json支持
default=参数处理不支持类型，例如：json.dumps(obj, default=str)把无法序列化的对象转成字符串表示
选型建议
按需求判断：
- 只在Python里用，要保留对象类型和行为 → 选
pickle - 要和JavaScript/Java/Go等交互，或需要可读性、可编辑性 → 选
json - 数据含中文？json默认支持UTF-8，pickle也支持但需确保文件以二进制模式打开
- 性能敏感？pickle通常更快更紧凑，尤其对大型嵌套结构；json解析慢一点但更安全稳定
不复杂但容易忽略：json不支持tuple（会变成list），而pickle保留tuple类型；若业务逻辑依赖tuple不可变性，这点会影响行为。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
