数据对象的读写：使用sklearn读写持久化对象

　　除了pickle方法，sklearn的externals.Joblib模块同样提供了读写持久化数据对象的方法。示例如下。

from sklearn.externals import joblib             # ①
# 读取数据对象
sklearn_data = joblib.load('sklearn_pickle.gz')  # ②
print(sklearn_data)                              # ③
# 对象持久化
joblib.dump(sklearn_data, 'sklearn_pickle_output.gz', compress=3, protocol=4)
                                                 # ④

　　代码①导入sklearn.externals模块。

　　代码②调用joblib.load方法读取sklearn_pickle.gz的文件。

　　代码③打印sklearn_data。

　　代码④调用joblib.dump方法将sklearn_data保存为sklearn_pickle_output.gz文件，同时设置压缩率为3，protocol为4。

　　（1）compress设置文件的压缩级别，可设置为[0,9]的整数值、布尔型或二元数组：当设置为布尔型且值为True时，默认压缩级别为3；设置为二元数组时，第1个值必须是支持压缩的格式，如zlib、gzip、bz2、lzma等，第2个值是压缩级别，压缩级别越高，压缩率越高，同时需要执行的时间越长。

　　（2）protocol是pickle.dump中的参数，这里与pickle.coad设置的参数是相同的调用方法，可设置为[0,4]的任意值，默认为3。该值越高，读取生成的pickle所需的Python版本就越新。

　　在实际应用时，sklearn.externals相对于pickle在大数据量下拥有更好的性能。NumPy数据（sklearn的默认数据格式）要优于pickle原生的持久化方法，尤其是其支持多种压缩级别和格式的设置，这将大大提高持久化的可操作空间。