在py中是否有类似于R中的dput() function的函数？
答案 0 :(得分：7)
将Python对象序列化为文件有几种选择：
json.dump()以JSON格式存储数据。它非常易读和可编辑，但只能存储列表，字符串，字符串，数字，布尔值，因此不存在复合对象。您需要import json才能使json模块可用。pickle.dump()可以存储大多数对象。不太常见：
shelve模块在DBM数据库中存储多个Python对象，大多数情况类似于持久性dict。marshal.dump()：不确定您何时需要。答案 1 :(得分：7)
表示pandas.DataFrame，print(df.to_dict())，如here
答案 2 :(得分：2)
此答案集中于json.dump()和json.dumps()以及如何将它们与numpy数组一起使用。如果您尝试这样做，Python会错误地提示您ndarrays不能序列化JSON：
import numpy as np
import json
a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
json.dumps(a)
TypeError: Object of type 'ndarray' is not JSON serializable
您可以通过先将其翻译为列表来避免这种情况。请参见下面的两个工作示例：
json.dumps() json.dumps()似乎最接近R的dput()，因为它允许您直接从控制台复制粘贴结果：
json.dumps(a.tolist()) # '[[1, 2, 3], [4, 5, 6], [7, 8, 9]]'
json.dump() json.dump()与dput()不同，但它仍然非常有用。 json.dump()会将您的对象编码为json文件。
# Encode:
savehere = open('file_location.json', 'w')
json.dump(a.tolist(), savehere)
然后可以在其他地方解码：
# Decode:
b = open('file_location.json', 'r').read() # b is '[[1, 2, 3], [4, 5, 6], [7, 8, 9]]'
c = json.loads(b)
然后您可以将其再次转换回一个numpy数组：
c = np.array(c)
有关避免“不可序列化”错误的信息，请参见：
答案 3 :(得分：2)
至今无人提及 repr() 对我来说是个谜。 repr() 几乎与 R 的 dput() 所做的完全一样。举几个例子：
>>> a = np.arange(10)
>>> repr(a)
'array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])'
>>> d = dict(x=1, y=2)
>>> repr(d)
"{'x': 1, 'y': 2}"
>>> b = range(10)
>>> repr(b)
'range(0, 10)'
答案 4 :(得分：0)
IMO，json.dumps()（注意 s ）更好，因为它返回一个字符串，而json.dump()需要你写一个文件。