Stocker des données de façon persistante simplement

Magazine
Marque
GNU/Linux Magazine
HS n°
Numéro
53
Mois de parution
mars 2011
Domaines


Résumé
La destination de cet article est de proposer une méthode simple pour stocker ses données de façon persistante en se passant de solutions qui nécessitent la mise en place d'une architecture logicielle.

1. Description rapide du module « pickle »

1.1 Présentation

Le module pickle permet de sérialiser des données (liste, dictionnaires, objets) et de les récupérer sous forme sérialisée (via l'utilisation de dumps, loads pour inverser le processus) ou de les écrire dans des fichiers (via l'utilisation de dump, load pour récupérer les objets à partir du fichier).

L'opération est extrêmement simple et toutes les informations sur le module sont ici : http://docs.python.org/library/pickle.html.

De la même manière que cStringIO est une implémentation plus performante de StringIO, cPickle est une implémentation plus performante de Pickle. Les deux implémentations sont cependant identiques fonctionnellement. Autrement dit :

import cPickle as pickle

sera plus performant que :

import pickle

pour un résultat exactement identique.

1.2...

Cet article est réservé aux abonnés. Il vous reste 90% à découvrir.
à partir de 21,65€ HT/mois/lecteur pour un accès 5 lecteurs à toute la plateforme
J'en profite


Articles qui pourraient vous intéresser...

L’édition des liens démystifiée

Magazine
Marque
GNU/Linux Magazine
Numéro
244
Mois de parution
janvier 2021
Domaines
Résumé

Parmi les étapes concourant à la fabrication d’un exécutable, l’édition des liens est certainement la plus méconnue. Elle est pourtant cruciale à plus d’un titre. Le choix entre édition statique et dynamique des liens a notamment des implications sur la facilité de développement, la sécurité et la performance.

Scikit-image, une alternative à OpenCV pour la reconnaissance d'images

Magazine
Marque
GNU/Linux Magazine
Numéro
244
Mois de parution
janvier 2021
Domaines
Résumé

Une fois n'est pas coutume, nous allons découvrir et utiliser une alternative à OpenCV, scikit-image communément appelé skimage. Nous implémenterons la reconnaissance d'images avec la méthode des histogrammes de gradients orientés (HOG : Histogram of Oriented Gradients) associée à une machine à vecteurs de support (SVM : Support Vector Machine). Cette méthode est employée dans bien des applications telles que l'automobile, pour la détection de piétons [1].