Streamlit磁盘缓存存储位置及pandas版本切换缓存报错解决

1. @st.experimental_memo(persist="disk")的缓存存储位置 #

• Linux/macOS：默认存储在 ~/.streamlit/cache 目录下，该目录会根据Python版本、Streamlit版本及缓存条目哈希值进一步细分出子目录。
• Windows：默认存储路径为 %userprofile%/.streamlit/cache，同样包含分级子目录区分不同缓存。

2. 切换pandas版本后出现AttributeError: Can't get attribute '_unpickle_block'的解决方法 #

这个错误确实是磁盘上持久化的pickle缓存由旧版本pandas序列化，新版本无法反序列化导致的，解决方式如下：

方法一：手动清理磁盘缓存 #

直接删除Streamlit的缓存目录：

• Linux/macOS：执行命令 rm -rf ~/.streamlit/cache
• Windows：打开文件资源管理器，定位到 %userprofile%/.streamlit/cache，删除整个cache文件夹

方法二：代码层面强制刷新缓存 #

通过修改@st.experimental_memo参数触发缓存失效：

@st.experimental_memo(show_spinner=False, max_entries=3, persist="disk", ttl=0)
def your_cached_function():
    # 原函数逻辑

运行一次后，再将ttl参数恢复原有设置，即可强制生成新的适配当前pandas版本的缓存。

方法三：长期避免跨版本缓存冲突 #

将依赖库版本信息纳入缓存哈希计算，比如在缓存函数中传入pandas版本作为参数：

import pandas as pd

@st.experimental_memo(show_spinner=False, max_entries=3, persist="disk")
def your_cached_function(pd_version=pd.__version__):
    # 原函数逻辑

这样当pandas版本变更时，会自动生成新的缓存条目，不会再触发反序列化错误。

内容的提问来源于stack exchange，提问作者vvvvv