如何在Google Colab持久化数据集？为何运行时结束文件会被卸载？

核心是把数据集存到持久化存储中，替代Colab的临时本地存储，常用方案有两种：

• 挂载Google Drive

  1. 执行以下代码完成Drive挂载，按提示完成授权流程：

     from google.colab import drive
     drive.mount('/content/drive')
     

  2. 将数据集上传到Google Drive的指定文件夹（比如/content/drive/MyDrive/datasets/）
  3. 后续每次打开笔记本，挂载Drive后直接通过该路径读取数据，示例：

     import pandas as pd
     df = pd.read_csv('/content/drive/MyDrive/datasets/your_dataset.csv')
     

  若数据集体积较大，建议先压缩成ZIP/RAR包上传到Drive，再解压到Drive文件夹（避免重复解压），解压代码示例：

  import zipfile
  with zipfile.ZipFile('/content/drive/MyDrive/datasets/your_data.zip', 'r') as zip_ref:
      zip_ref.extractall('/content/drive/MyDrive/datasets/')
  

• 使用Colab内置数据集功能（适合公开数据集）
  在Colab左侧面板打开「数据集」标签，搜索并添加公开数据集，这类数据会关联到你的Colab账号，每次打开笔记本都能直接调用。

Colab的运行时本质是临时虚拟机实例：

• 每个运行时配有独立的临时本地存储，当你关闭笔记本、闲置超过90分钟，或者连续运行超过12小时，这个虚拟机会被系统自动销毁，存储在/content/等本地目录的所有文件都会被彻底清除。
• 你课堂演示时打开页面，之前的运行时已经因关闭/超时被销毁，因此本地存储里的数据全部消失，只能重新加载。

内容的提问来源于stack exchange，提问作者Aastha