环境：
每次我关闭 IPython 笔记本并重新打开它时，我都必须重新运行所有单元格。但有些单元涉及密集计算。
相比之下，R 中的knitr 默认将结果保存在缓存目录中，因此只有新代码和新设置才会调用计算。
我查看了ipycache，但它似乎缓存了一个单元格而不是笔记本。在 IPython 中是否有对应的 knitr 缓存？
【问题讨论】：
标签： python r ipython knitr ipython-notebook
使用cache magic。
%cache myVar = someSlowCalculation(some, "parameters")这将计算 someSlowCalculation(some, "parameters") 一次。在随后的调用中，它会从存储中恢复 myVar。
https://pypi.org/project/ipython-cache/
在后台，它与公认的答案几乎相同。
【讨论】：
事实上，您要求的功能已经存在，无需通过转储手动重新实现。
您可以使用 %store 或者更好的 %%cache 魔法（扩展）来存储这些间歇性单元格的结果，因此不必重新计算它们（请参阅https://github.com/rossant/ipycache）
就这么简单：
%load_ext ipycache
然后，在一个单元格中，例如：
%%cache mycache.pkl var1 var2
var1 = 1
var2 = 2
当你第一次执行这个单元格时，代码会被执行，并且 变量 var1 和 var2 保存在当前的 mycache.pkl 中 目录以及输出。仅保存丰富的显示输出 如果您使用 IPython 的开发版本。当你执行这个 再次单元格，代码被跳过，变量从 文件并注入命名空间，输出恢复到 笔记本。
它会保存所有的图形、产生的输出，以及自动为您指定的所有变量 :)
【讨论】：
%autoreload 更容易为我工作（我在更改模块但不想重新加载数据的另一种方式）
ipycache 似乎需要很多的爱。大量警告，最后一次更新是 2016 年 5 月。
%store有什么区别？
ipycache 不再维护，你知道另一个工具吗？
你能举例说明你正在尝试做什么吗？当我在 IPython Notebook 中运行一些昂贵的东西时，我几乎总是在后记将它写入磁盘。例如，如果我的数据是 JSON 对象列表，我将其作为行分隔的 JSON 格式字符串写入磁盘：
with open('path_to_file.json', 'a') as file:
for item in data:
line = json.dumps(item)
file.write(line + '\n')
然后你可以用同样的方式读回数据：
data = []
with open('path_to_file.json', 'a') as file:
for line in file:
data_item = json.loads(line)
data.append(data_item)
我认为一般来说这是一个很好的做法，因为它为您提供了备份。你也可以用泡菜做同样的事情。如果您的数据真的很大，您实际上可以gzip.open 直接写入一个 zip 文件。
编辑
要将 scikit learn 模型保存到磁盘，请使用 joblib.pickle。
from sklearn.cluster import KMeans
km = KMeans(n_clusters=num_clusters)
km.fit(some_data)
from sklearn.externals import joblib
# dump to pickle
joblib.dump(km, 'model.pkl')
# and reload from pickle
km = joblib.load('model.pkl')
【讨论】：
joblib 腌制你的sklearn 模型。请参阅我上面的编辑。并将您的数据帧写入磁盘只需使用dataframe.to_csv('yourfile.csv)
RData 缓存的对应项，它将所有内容放在一个立方体中。
file.close() 调用，因为with closes files for you。
data 是一个“列表”，因此可以更简单地使用json.dump(data, file)，而无需任何循环。同样json.load(file).
不幸的是，似乎没有像自动缓存这样方便的东西。 %store 魔术选项很接近，但需要您手动明确地进行缓存和重新加载。
a = 1
%store a
现在，假设您关闭笔记本并重新启动内核。您不再有权访问局部变量。但是，您可以使用-r 选项重新加载已存储的变量。
%store -r a
print a # Should print 1
【讨论】：