Вы знаете, как переносить данные из онлайн-API или хранить различные типы данных на своих локальных машинах? Так или иначе, вы погрузились в JSON, который означает Обозначение объекта сценария Java. Это известный и популярный формат данных, используемый для представления полуструктурированных данных. Давайте подробнее узнаем о Python JSON.
В этой статье мы обсудим следующие аспекты:
Введение в JSON в Python:
JSON означает J ава S скрипт ИЛИ bject N ответэто способ упорядоченного и простого хранения информации. Данные должны быть в виде текста при обмене между браузером и сервером.
Если вам интересно, ? тогда ответ нет. Это сценарий, который состоит из текста и используется для хранения и передачи данных в формате, удобном для чтения и чтения компьютером. Это небольшой, легкий формат данных, вдохновленный JavaScript и обычно используемый в текстовом или строковом формате. Пакет из JSON почти идентичен словарю Python. Теперь вам должно быть интересно
Как читать файл JSON в Python?
Ответ на ваш вопрос: вам необходимо импортировать модуль JSON, который обычно преобразует типы данных Python в строковый файл JSON. Он состоит из функций JSON, которые читают и записывают непосредственно из файлов JSON. имеет встроенный пакет JSON и является частью стандартной библиотеки, поэтому вам не нужно его устанавливать.
Пример:
импортировать json
Теперь, когда вы знаете о JSON в Python, давайте глубже рассмотрим синтаксический анализ.
Разбор:
Библиотека JSON может анализировать JSON из струны или файлы. Он также может анализировать JSON в или перечислить и сделать наоборот. Парсинг обычно проходит в два этапа:
- Конвертация из JSON в Python
- Конвертация из Python в JSON
Давайте лучше разберемся в обоих этапах.
Конвертация из JSON в Python:
Вы можете преобразовать строку JSON в Python, используяjson.loads ().Позвольте показать вам практическую реализацию:
Пример:
import json people_string = '' '{' people ': [{' emp_name ':' John smith ',' emp_no. ':' 924367-567-23 ',' emp_email ': [' johnsmith@dummyemail.com '], 'has_license': 'false'}, {'emp_name': 'harshit kant', 'emp_number': '560-555-5153', 'emp_email': 'null', 'has_license': 'true'}]} ' '' data = json.loads (people_string) print (data)Вывод:
Как видно из вышеприведенного вывода, он напечатал . Давайте напечатаем тип данных для лучшего понимания.
Пример:
import json people_string = '' '{' people ': [{' emp_name ':' John smith ',' emp_no. ':' 924367-567-23 ',' emp_email ': [' johnsmith@dummyemail.com '], 'has_license': 'false'}, {'emp_name': 'harshit kant', 'emp_number': '560-555-5153', 'emp_email': 'null', 'has_license': 'true'}]} ' '' data = json.loads (people_string) print (type (data)) # печатает тип данныхВывод:
Теперь, когда вы знакомы с одной конверсией, давайте посмотрим на другой тип конверсии на втором этапе.
Преобразование из Python в JSON:
Объект Python можно преобразовать в строку JSON с помощьюjson.dumps ().Давайте посмотрим на пример, приведенный ниже:
Пример:
import json people_string = '' '{' people ': [{' emp_name ':' John smith ',' emp_no. ':' 924367-567-23 ',' emp_email ': [' johnsmith@dummyemail.com '], 'has_license': 'false'}, {'emp_name': 'harshit kant', 'emp_no.': '560-555-5153', 'emp_email': 'null', 'has_license': 'true'}]} '' 'data = json.loads (people_string) new_string = json.dumps (data) print (new_string)Вывод:
Вывод будет строкового типа JSON. Я уже продемонстрировал тип данных в преобразовании JSON в Python, такая же процедура будет использоваться для печати типа данных.
Давайте продолжим и посмотрим, как Pandas разбирает JSON.
Pandas Parsing JSON:
Строку JSON можно проанализировать в панды Dataframe из следующих шагов:
- Следующая общая структура может использоваться для загрузки строки JSON в DataFrame.
импортировать панды как pd pd.read_json (r'Path, где вы сохранили файл JSON, имя файла.json ')
- Подготовьте строку JSON.
- Создайте файл JSON, который мы используем, nobel_prize.json.
- Загрузите файл JSON в pandas DataFrame.
Приведенный ниже код загружает мой файл JSON в DataFrame.
import pandas as pd import json with open (r'C: UsersHarshit_KantDesktopnobel.prize.json ') as f: data = json.load (f) print (data) df = pd.DataFrame print (df)
Вывод:
Забегая вперед, давайте посмотрим, как можно сериализовать JSON в Python.
Сериализация JSON [Кодировать]:
Сериализация JSON просто означает, что вы кодируете JSON. Он преобразует заданную структуру данных Python (например, dict) в действительный объект JSON. Для обработки потока данных в файле библиотека JSON в Python использует дамп () и свалки () , который выполняет преобразование и упрощает запись данных в файлы.
Ниже приводится таблица, иллюстрирующая Python типы данных конвертируются в соответствующий тип JSON.
как настроить путь Java
| Python | JSON |
dict (словарь) | объект |
список, массив | кортеж |
строка | строка |
int, long, float | числа |
Правда | правда |
Ложь | ложный |
Никто | значение NULL |
Что следует помнить:
дамп () - Преобразует данные в файл JSON
свалки () - Преобразует данные в строку JSON
load () - Преобразует файл JSON в объект Python
нагрузки () - Преобразует объект строки JSON в объект Python
Красивая печать:
Pretty Printing заботится о выравнивании кода и переводит его в удобочитаемый формат. Давайте посмотрим на приведенный ниже пример, где я передал два параметра «sort_keys», которые всегда возвращают логическое значение True и пробелы «indent».
Пример:
import json people_string = '' '{' people ': [{' emp_name ':' John smith ',' emp_no. ':' 924367-567-23 ',' emp_email ': [' johnsmith@dummyemail.com '], 'has_license': 'false'}, {'emp_name': 'harshit kant', 'emp_no.': '560-555-5153', 'emp_email': 'null', 'has_license': 'true'}]} '' 'data = json.loads (people_string) new_string = json.dumps (data, sort_keys = True, indent = 3) print (new_string) Вывод:
Продвигаясь вперед в учебнике Python JSON, давайте разберемся с десериализацией JSON.
Десериализация JSON [Декодировать]:
Десериализация JSON - полная противоположность сериализации, то есть означает, что вы декодируете JSON. Он преобразует заданную строку JSON в Python объект используя load () и нагрузки () метод, который выполняет преобразование.
Ниже приведена таблица, которая иллюстрирует преобразование типа данных JSON в соответствующий ему тип Python.
| JSON | Python |
объект переменная экземпляра в примере Java | dict (словарь) |
кортеж | список, массив |
строка | строка |
числа | int, long, float |
правда | Правда |
ложный | Ложь |
значение NULL | Никто |
Продвигаясь вперед в руководстве «Python JSON». Я покажу вам в реальном времени пример сериализации и десериализации с точки зрения программирования.
Демонстрация кодирования:
В этой демонстрации кодирования я использую набор данных JSON под названием «Нобелевская премия», который присуждается Вот . Вы узнаете, как выполнить сериализацию и десериализацию того же самого через файл JSON.
Пример (сериализация набора данных JSON):
импортировать json с open ('nobel_prize.json.html') как f: data = json.load (f) с open ('new_nobel_prize.json.html') как f: json.dump (data, f, indent = 2)Вывод:
компилируется успешно, и создается новый файл «new_nobel_prize.json», в который выгружаются данные из уже существующего файла «nobel_prize.json».
Пример (десериализация набора данных JSON):
импортировать json с open ('nobel_prize.json.html') как f: data = json.load (f) для nobel_prize в data ['prizes']: print (nobel_prize ['year'], nobel_prize ['category'])Вывод:
Во фрагменте кода показаны изменения файла JSON на соответствующий объект Python.
На этом мы подошли к концу нашей статьи «Python JSON». Надеюсь, вам понятны все концепции, связанные с JSON, синтаксическим анализом, сериализацией и десериализацией.
Убедитесь, что вы тренируетесь как можно больше и верните свой опыт.
Есть вопрос к нам? Пожалуйста, укажите это в комментариях к этой статье Python JSON, и мы свяжемся с вами как можно скорее. Чтобы получить более глубокие знания о Python и его различных приложениях, вы можете с нашим онлайн-обучением с круглосуточной поддержкой и пожизненным доступом.