我在许多帖子中读到，Python pickle/cPickle 无法对 lambda 函数进行序列化。然而，以下代码在使用 Python 2.7.6 时有效：
import cPickle as pickle
if __name__ == "__main__":
s = pickle.dumps(lambda x, y: x+y)
f = pickle.loads(s)
assert f(3,4) == 7
那么发生了什么？或者说，对于将lambda函数进行pickle的限制是什么？
[编辑] 我想我知道为什么这段代码可以运行。我忘记了（很抱歉！）我正在运行stackless python，它有一种称为tasklets的微线程执行函数。这些tasklets可以被暂停、pickle、unpickle并继续执行，所以我猜想（在stackless邮件列表上询问）它也提供了一种pickle函数体的方法。
是的，Python可以对lambda函数进行pickle（序列化）处理……但前提是你需要使用copy_reg注册程序来告诉它如何pickle lambda函数。而包dill会在你import dill时将所需的copy_reg加载到pickle registry中。
Python 2.7.8 (default, Jul 13 2014, 02:29:54)
[GCC 4.2.1 Compatible Apple Clang 4.1 ((tags/Apple/clang-421.11.66))] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>>
>>> import dill # the code below will fail without this line
>>>
>>> import pickle
>>> s = pickle.dumps(lambda x, y: x+y)
>>> f = pickle.loads(s)
>>> assert f(3,4) == 7
>>> f
<function <lambda> at 0x10aebdaa0>
在这里获取dill：https://github.com/uqfoundation
In [1]: import dill
In [2]: import pickle
In [3]: pickle.dumps(lambda x: (x+1, x+2))会出现以下错误：PicklingError: Can't pickle at 0x7f08ee40ca60>: attribute lookup on __main__ failed. 只有当你将dill作为pickle导入时才能正常运行。 - Ramastdill.dumps()和dill.loads()代替。 - Pavel Vlasovpickle(Python)和cPickle(C)的区别。在Python 3中，区别是现在有pickle(Python)和_pickle(C)。然而，pickle.dump(和dumps)使用_pickle(即C)，并且dill目前仅能将新方法注入到Python pickle注册表中。因此，仅仅导入dill并不能像在Python 2中那样工作。请注意，存在pickle._dump(和_dumps)，它使用Python注册表，因此与Python 2类似。不幸的是，大多数软件包在dump失败时不会退回到_dump。 - Mike McKernsPython可以pickle lambda函数。由于不同版本的Python实现pickle不同，我们将分别介绍Python 2和3。
在Python 3中，没有名为cPickle的模块。相反，我们有pickle，默认情况下也不支持对lambda函数进行pickling。让我们看一下它的分派表：
>> import pickle
>> pickle.Pickler.dispatch_table
<member 'dispatch_table' of '_pickle.Pickler' objects>
等一下，我试图查找 pickle 的 dispatch_table 而不是 _pickle。 _pickle 是 pickle 的替代和更快的 C 实现。但是我们还没有导入它！如果纯 Python pickle 模块在末尾时可用，则会自动导入此 C 实现。
# Use the faster _pickle if possible
try:
from _pickle import (
PickleError,
PicklingError,
UnpicklingError,
Pickler,
Unpickler,
dump,
dumps,
load,
loads
)
except ImportError:
Pickler, Unpickler = _Pickler, _Unpickler
dump, dumps, load, loads = _dump, _dumps, _load, _loads
pickle或_pickle来实现。你需要导入dill或cloudpickle，并使用它们来替代本地的pickle模块。>> import dill
>> dill.loads(dill.dumps(lambda x:x))
<function __main__.<lambda>>
pickle使用的是pickle registry，它实际上是从type到用于序列化（pickling）该类型对象的函数的映射。
你可以将pickle registry视为：
>> pickle.Pickler.dispatch
{bool: <function pickle.save_bool>,
instance: <function pickle.save_inst>,
classobj: <function pickle.save_global>,
float: <function pickle.save_float>,
function: <function pickle.save_global>,
int: <function pickle.save_int>,
list: <function pickle.save_list>,
long: <function pickle.save_long>,
dict: <function pickle.save_dict>,
builtin_function_or_method: <function pickle.save_global>,
NoneType: <function pickle.save_none>,
str: <function pickle.save_string>,
tuple: <function pickle.save_tuple>,
type: <function pickle.save_global>,
unicode: <function pickle.save_unicode>}
copy_reg模块来注册我们的函数。您可以在此处阅读更多信息。默认情况下，copy_reg模块支持以下附加类型的pickling：>> import copy_reg
>> copy_reg.dispatch_table
{code: <function ipykernel.codeutil.reduce_code>,
complex: <function copy_reg.pickle_complex>,
_sre.SRE_Pattern: <function re._pickle>,
posix.statvfs_result: <function os._pickle_statvfs_result>,
posix.stat_result: <function os._pickle_stat_result>}
现在，lambda函数的类型是types.FunctionType。然而，这种类型的内置函数function: <function pickle.save_global>无法序列化lambda函数。因此，所有第三方库，如dill、cloudpickle等都会覆盖内置方法，以某些附加逻辑来序列化lambda函数。让我们导入dill并看看它做了什么。
>> import dill
>> pickle.Pickler.dispatch
{_pyio.BufferedReader: <function dill.dill.save_file>,
_pyio.TextIOWrapper: <function dill.dill.save_file>,
_pyio.BufferedWriter: <function dill.dill.save_file>,
_pyio.BufferedRandom: <function dill.dill.save_file>,
functools.partial: <function dill.dill.save_functor>,
operator.attrgetter: <function dill.dill.save_attrgetter>,
operator.itemgetter: <function dill.dill.save_itemgetter>,
cStringIO.StringI: <function dill.dill.save_stringi>,
cStringIO.StringO: <function dill.dill.save_stringo>,
bool: <function pickle.save_bool>,
cell: <function dill.dill.save_cell>,
instancemethod: <function dill.dill.save_instancemethod0>,
instance: <function pickle.save_inst>,
classobj: <function dill.dill.save_classobj>,
code: <function dill.dill.save_code>,
property: <function dill.dill.save_property>,
method-wrapper: <function dill.dill.save_instancemethod>,
dictproxy: <function dill.dill.save_dictproxy>,
wrapper_descriptor: <function dill.dill.save_wrapper_descriptor>,
getset_descriptor: <function dill.dill.save_wrapper_descriptor>,
member_descriptor: <function dill.dill.save_wrapper_descriptor>,
method_descriptor: <function dill.dill.save_wrapper_descriptor>,
file: <function dill.dill.save_file>,
float: <function pickle.save_float>,
staticmethod: <function dill.dill.save_classmethod>,
classmethod: <function dill.dill.save_classmethod>,
function: <function dill.dill.save_function>,
int: <function pickle.save_int>,
list: <function pickle.save_list>,
long: <function pickle.save_long>,
dict: <function dill.dill.save_module_dict>,
builtin_function_or_method: <function dill.dill.save_builtin_method>,
module: <function dill.dill.save_module>,
NotImplementedType: <function dill.dill.save_singleton>,
NoneType: <function pickle.save_none>,
xrange: <function dill.dill.save_singleton>,
slice: <function dill.dill.save_slice>,
ellipsis: <function dill.dill.save_singleton>,
str: <function pickle.save_string>,
tuple: <function pickle.save_tuple>,
super: <function dill.dill.save_functor>,
type: <function dill.dill.save_type>,
weakcallableproxy: <function dill.dill.save_weakproxy>,
weakproxy: <function dill.dill.save_weakproxy>,
weakref: <function dill.dill.save_weakref>,
unicode: <function pickle.save_unicode>,
thread.lock: <function dill.dill.save_lock>}
>> pickle.loads(pickle.dumps(lambda x:x))
<function __main__.<lambda>>
它成功了！
在Python 2中，我们有两个版本的 pickle -
import pickle # pure Python version
pickle.__file__ # <install directory>/python-2.7/lib64/python2.7/pickle.py
import cPickle # C extension
cPickle.__file__ # <install directory>/python-2.7/lib64/python2.7/lib-dynload/cPickle.so
>> import cPickle
>> cPickle.loads(cPickle.dumps(lambda x:x))
TypeError: can't pickle function objects
>> cPickle.Pickler.dispatch_table
AttributeError: 'builtin_function_or_method' object has no attribute 'dispatch_table'
pickle和cPickle的实现方式不同。导入dill只能让Python版本的pickle工作。相比于cPickle，使用pickle的缺点是它可能比cPickle慢1000倍。
希望这能解决所有疑惑。
dill包的可用性和限制。干得好！ - EliadL>>> import cPickle as pickle
>>> s = pickle.dumps(lambda x,y: x+y)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/copy_reg.py", line 70, in _reduce_ex
raise TypeError, "can't pickle %s objects" % base.__name__
TypeError: can't pickle function objects
不确定你成功的是什么操作...
虽然可能显而易见，但我想再添加另一种可能的解决方案。 您可能已经知道Lambda函数只是匿名函数声明。如果您没有使用仅一次的Lambda函数，并且这不会在您的代码中增加太多噪音，则可以将Lambda函数命名并传递其名称（无需括号），如下所示：
最初的回答：
即使很明显，我还想添加另一个可能的解决方案。您可能已经知道Lambda函数只是匿名函数声明。如果您没有使用仅一次的Lambda函数，并且这不会在您的代码中增加太多噪音，则可以将Lambda函数命名并传递其名称（无需括号），如下所示：import cPickle as pickle
def addition(x, y):
return x+y
if __name__ == "__main__":
s = pickle.dumps(addition)
f = pickle.loads(s)
assert f(3,4) == 7
对我有用的方法（Windows 10，Python 3.7）是传递一个函数而不是lambda函数：
def merge(x):
return Image.merge("RGB", x.split()[::-1])
transforms.Lambda(merge)
替代：
transforms.Lambda(lambda x: Image.merge("RGB", x.split()[::-1]))
$ pip install dill
触摸一个文件
touch yeah.p
import dill
dill.dump(lambda x:x+1, open('yeah.p', 'wb'))
my_lambda = dill.load(open('yeah.p', 'rb'))
print(my_lambda(2)) # 3
stackless通常可以做到dill所能做的一切...主要区别在于，stackless替换了C中的调用堆栈，而dill则尝试使用ctypes注册序列化函数以尽可能地在C层工作。Stackless可以序列化所有对象。 - Mike McKernscloudpickle是出路：https://github.com/cloudpipe/cloudpickle - Ufos