真实的国产乱ⅩXXX66竹夫人,五月香六月婷婷激情综合,亚洲日本VA一区二区三区,亚洲精品一区二区三区麻豆

成都創(chuàng)新互聯(lián)網(wǎng)站制作重慶分公司

使用 Python 處理 Json 數(shù)據(jù)

一、引言：什么是 JSON

JSON (Java Script Object Notation) 是一種很常用的數(shù)據(jù)格式，它常常用在 web 應用程序中。它可以表示結構化的數(shù)據(jù)。

創(chuàng)新互聯(lián)是一家專注于成都網(wǎng)站設計、成都網(wǎng)站建設與策劃設計,浮梁網(wǎng)站建設哪家好?創(chuàng)新互聯(lián)做網(wǎng)站,專注于網(wǎng)站建設十年,網(wǎng)設計領域的專業(yè)建站公司;建站業(yè)務涵蓋:浮梁等地區(qū)。浮梁做網(wǎng)站價格咨詢:18980820575

下面是常見的 JSON 文件結構

{
    "name": "Kamishiro Rize",
    "age": "22",
    "occupation": "firefighter",
    "traits": [
        "Eagle Eyed",
        "Fast Healer",
        "High Thirst",
        "Hearty Appetite"
    ]
}

它看起來與 Python 的 字典非常類似，也是由 key - value 結對組成，其中key是字符串形式,value是字符串、數(shù)字、布爾值、數(shù)組、對象或null。key/value間均使用逗號進行區(qū)分。

在 Python 中，JSON 作為字符串存在

json_str = '{"name": "Kamishiro Rize", "age": "22", "profession": "firefighter", "traits": ["Eagle Eyed", "Fast Healer", "High Thirst", "Hearty Appetite"]}'

JSON 與 Python 的數(shù)據(jù)結構和對應關系如下：

JSON PYTHON
object dict
array list, tuple
string str, unicode
number int, long, float
true / false True / False
null None

要使用 JSON ，字符串或者包含 JSON 對象的文件，都可以使用 Python 的內(nèi)置包 json 模塊。

import json

二、示例：在 Python 中解析 JSON

JSON 模組的常用方法

load / loads: 把 JSON 轉換為 Python

  • loads()
# some json
somebody_info = '{"name": "Wenjie Ye", "age": 75, "nationality": "China"}'

# parse to dict
j = json.loads(somebody_info)

# show result
print(j["name"])
print(j["age"])
print(type(j))

結果

Wenjie Ye
75

將 JSON 轉換為 Python 后，其結果的類型為字典

  • load()
# some json
somebody_info = '{"name": "Wenjie Ye", "age": 75, "nationality": "China"}'

# use json.load
# j = json.load(somebody_info)  # AttributeError: 'str' object has no attribute 'read'

from io import StringIO
io = StringIO(somebody_info)
j = json.load(io)
print(type(j))
print(j)

load() 是從json格式的文件中讀取數(shù)據(jù)并轉換為python的類型。適用于文件讀取，所以我們按 loads() 的例子來操作是會出錯的，可以使用 StringIO 轉換一下。load() 的結果也是返回字典


{'name': 'Wenjie Ye', 'age': 75, 'nationality': 'China'}

dump / dumps: 把 Python 轉換為 JSON

  • dumps()
python_dict = {
    'name': 'Wenjie Ye',
    'age': 75,
    'nationality': 'China',
}

# convert to JSON
j = json.dumps(python_dict)

# result
print(j)
print(type(j))

轉換后的結果返回字符串

{"name": "Wenjie Ye", "age": 75, "nationality": "China"}
  • dump()

有了 load() 的經(jīng)驗，你應該知道，不帶 s 的 dump 方法是用來將python數(shù)據(jù)類型轉換并保存到json格式的文件內(nèi)的。

from io import StringIO

io = StringIO()
json.dump('{"name": "Wenjie Ye", "age": 75, "nationality": "China"}', io)

content = io.getvalue()
print(content)

結果

"{\"name\": \"Wenjie Ye\", \"age\": 75, \"nationality\": \"China\"}"

總結

  • dumps / dump: 將 Python 轉換 JSON，返回的 type 為 str
  • loads / load: 將 JSON 轉換為 Python，返回的 type 為 Dict
  • 如果要根據(jù)字符串轉化方法中使用帶有 s 的，要從文件進行轉化就不加 s

優(yōu)雅的使用 json 模塊

格式化 JSON 結果

不難發(fā)現(xiàn)，dumps 獲得的 str 結果并不是很好看，如果數(shù)據(jù)量大，或者數(shù)據(jù)結構復雜，沒有縮進和換行將使得 JSON 數(shù)據(jù)變得不容易閱讀。

所以 dumps() 方法提供了一些令結果更易讀的參數(shù)，這些參數(shù)在實際工作中也常常用到。

  • indent 參數(shù)：定義縮進數(shù)
python_dict = {
    'name': 'Wenjie Ye',
    'age': 75,
    'nationality': 'China',
    'occupations': ['Astrophysicist', 'University Professor'],
}

res = json.dumps(python_dict, indent=4)
print(res)

轉換的結果將按照 indent 縮進 4 格

{
    "name": "Wenjie Ye",
    "age": 75,
    "nationality": "China",
    "occupations": [
        "Astrophysicist",
        "University Professor"
    ]
}
  • separators 參數(shù)：更改默認分隔符

我們先來看看官方對其的定義：

If specified, separators should be an (item_separator, key_separator) tuple. The default is (', ', ': ') if indent is None and (',', ': ') otherwise. To get the most compact JSON representation, you should specify (',', ':') to eliminate whitespace.

  1. 類型應該傳入元組
  2. 其默認值是 (',', ': ')

元組的第一個分隔符為 key-value 之間的分隔，默認是逗號；第二個分隔符為 key 與 value 之間的分隔，默認是冒號。

我們可以更改分隔符的樣式：

res = json.dumps(python_dict, indent=4, separators=(". ", " = "))
print(res)

結果

{
    "name" = "Wenjie Ye". 
    "age" = 75. 
    "nationality" = "China". 
    "occupations" = [
        "Astrophysicist". 
        "University Professor"
    ]
}
  • sort_keys 參數(shù)： 對結果排序，布爾值
res = json.dumps(python_dict, indent=4, sort_keys=True)
print(res)

結果

{
    "age": 75,
    "name": "Wenjie Ye",
    "nationality": "China",
    "occupations": [
        "Astrophysicist",
        "University Professor"
    ]
}

json 模塊不支持轉換 bytes 類型

需要注意的是對于 bytes，json 模塊并不能順利轉換，要先將bytes轉換為str格式。

b = b"bytes content"
# j = json.dumps(b)  # TypeError: Object of type bytes is not JSON serializable

j = json.dumps(b.decode())
print(j)  # "bytes content"

直接轉換 bytes 的結果是 TypeError，會告知你 bytes 不可JSON序列化， 只有轉換為 str 類型后才可以序列化。

json 文件讀寫

import json
python_dict = {"k1": "v1", "k2": 123, "k3": ["I'm", "NutCat"]}

# write
f_json = json.dump(python_dict, open("E:\\temp\\temp.json", "w"))
print(f_json)  # return None

# read
import os
os.chdir("E:\\temp\\")
# check temp.json exist
print(os.listdir())
# read json file
print(json.load(open("E:\\temp\\temp.json")))

結果

None
['temp.json']
{'k1': 'v1', 'k2': 123, 'k3': ["I'm", 'NutCat']}

當然，我還是推薦使用 with open 的方式來寫入數(shù)據(jù)

with open("E:\\temp\\temp.json", "w") as f:
	json.dump(python_dict, f)

利用 pandas 讀取 JSON

import pandas as pd

df = pd.read_json("E:\\temp\\temp.json")
print(df.head())

如果你想利用 DataFrame 的特性來處理數(shù)據(jù)，你還可以使用 Pandas 庫來讀取數(shù)據(jù)，它讀取我們之前生成的 temp.json 的結果如下：

   k1   k2      k3
0  v1  123     I'm
1  v1  123  NutCat

毫無疑問，我們可以用上強大的 pandas 的特性來處理 json 數(shù)據(jù)了。

但是，實際工作中，json 文件的內(nèi)容可不像我們 temp.json 文件一樣簡單到樸實無華，我們需要知道怎么處理嵌套的 JSON 數(shù)據(jù)

有如下的 JSON 數(shù)據(jù)，保存在 json_test.json 文件中，members 字段中保存有 object 類型的數(shù)據(jù)，這些嵌套的數(shù)據(jù)在讀取到 DataFrame 后會被轉換為字典。

{
    "system_id": ,
    "system_name": "account_system",
    "formed": 2022,
    "update_time": "2022-06-06",
    "members": [
        {
            "username": "Kamishiro Rize",
            "age": "22",
            "account": "",
            "nationality": "Japan",
            "active": false
        },
        {
            "username": "Wenjie Ye",
            "age": "75",
            "account": "",
            "nationality": "China",
            "active": true
        }
    ]
}

現(xiàn)在，我們按照以前的方法讀取它

import os
import pandas as pd

df = pd.read_json("json_test.json")
print(df)

讀取的結果如下

   system_id     system_name  formed update_time  \
0       account_system    2022  2022-06-06   
1       account_system    2022  2022-06-06   

                                             members  
0  {'username': 'Kamishiro Rize', 'age': '22', 'a...  
1  {'username': 'Wenjie Ye', 'age': '75', 'accoun...

其中的 members 字段是保存了一整個字典的，那么應該如何把他拆分開呢？其實，這一步已經(jīng)和 json 無關了，是依靠 pandas 來處理這些嵌套的數(shù)據(jù)了。

我們可以在 members 列上，使用 apply 方法

df["members"].apply(pd.Series)

返回了 DataFrame 結果

	username	age	account	nationality	active
0	Kamishiro Rize	22		Japan	False
1	Wenjie Ye	75		China	True

但是，使用 apply 方法后生成了一個新 DataFrame，那我們還得想個辦法給拼回去原來的 DataFrame。

其實，pandas 庫中還有一個函數(shù) json_normalize()

import json
import pandas as pd
with open("json_test.json") as f:
    acct_info = json.load(f)
res = pd.json_normalize(
    acct_info,
    record_path=["members"],
    meta=["system_id", "system_name", "formed", "update_time"],
)
print(res)

它會將 members 拆分并拼接到 DataFrame 結果中

         username age   account nationality  active system_id     system_name  \
0  Kamishiro Rize  22         Japan   False      account_system   
1       Wenjie Ye  75         China    True      account_system   

  formed update_time  
0   2022  2022-06-06  
1   2022  2022-06-06
  • record_path： 需要拆分的列的名字
  • meta： 其他要加入到結果的列名的list，其順序就是輸出的順序
  • meta_prefix： 這個參數(shù)可以給 meta 的字段名前加個前綴

當前標題：使用 Python 處理 Json 數(shù)據(jù)
當前URL：http://weahome.cn/article/dsogsop.html

其他資訊

在線咨詢

微信咨詢

電話咨詢

028-86922220（工作日）

18980820575（7×24）

提交需求

返回頂部