Python用json模块存储数据

简介: JSON(JavaScript Object Notation, JS 对象标记) 是一种轻量级的数据交换格式。JSON的数据格式其实就是python里面的字典格式; Json   模块提供了四个方法: dumps、dump、loads、load1、使用json.
JSON(JavaScript Object Notation, JS 对象标记) 是一种轻量级的数据交换格式。JSON的数据格式其实就是python里面的字典格式;
 Json   模块提供了四个方法: dumps、dump、loads、load

1、使用json.dump()和json.load()存储和加载数据
import json
if __name__== '__main__' :
numbers = [ 2 , 3 , 5 , 7 , 11 , 13 ]
filename = 'numbers.json' # 存储的数据为 JSON 格式
with open (filename, 'w' ) as f_obj:
json. dump (numbers, f_obj) # 将列表存储到 numbers.json
with open (filename, 'r' ) as f_obj:
numbers_all=json. load (f_obj) # 使用 json.load() 加载存储在 numbers.json 中的信息
print (numbers_all)
print ( type (numbers_all))
结果:

注: dump:序列化+写入文件;  load:读文件+反序列化

2、dumps可以格式化所有的基本数据类型为字符串
import json
if __name__== '__main__' :
# dumps 可以格式化所有的基本数据类型为字符串
i= 100 # 整型数字
dic={ 'name' : 'Bob' , 'age' : 21 } # 字典
numbers=[ 2 , 3 , 5 , 7 , 11 , 13 ] # 列表
a=json. dumps (i)
b=json. dumps (dic)
c=json. dumps (numbers)
print (a, type (a))
print (b, type (b))
print (c, type (c))
结果:

注: dumps:无文件操作

3、loads可以将字符串转化为相应的基本数据类型
import json
if __name__== '__main__' :
dic= '{"name":"Tom", "age":23}' # 字符串
a=json. loads (dic)
print (a, type (a))
结果:

注: loads:无文件操作 












相关实践学习
基于EBS部署高性能的MySQL服务
如果您通常是通过ECS实例部署MySQL来使用数据库服务,您可以参考本实验操作来搭建高性能的MySQL服务。本实验为您演示如何通过EBS ESSD云盘部署一个高性能的MySQL服务。
相关文章
|
1天前
|
机器学习/深度学习 算法 Python
数据分享|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户
数据分享|Python决策树、随机森林、朴素贝叶斯、KNN(K-最近邻居)分类分析银行拉新活动挖掘潜在贷款客户
16 4
|
1天前
|
机器学习/深度学习 算法 算法框架/工具
数据分享|PYTHON用KERAS的LSTM神经网络进行时间序列预测天然气价格例子
数据分享|PYTHON用KERAS的LSTM神经网络进行时间序列预测天然气价格例子
17 0
|
1天前
|
机器学习/深度学习 数据挖掘 网络架构
Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析
Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析
12 0
|
1天前
|
开发者 Python
Python的os模块详解
Python的os模块详解
11 0
|
1天前
|
数据挖掘 数据处理 索引
如何使用Python的Pandas库进行数据筛选和过滤?
Pandas是Python数据分析的核心库,提供DataFrame数据结构。基本步骤包括导入库、创建DataFrame及进行数据筛选。示例代码展示了如何通过布尔索引、`query()`和`loc[]`方法筛选`Age`大于19的记录。
10 0
|
2天前
|
机器学习/深度学习 算法 数据挖掘
PYTHON银行机器学习:回归、随机森林、KNN近邻、决策树、高斯朴素贝叶斯、支持向量机SVM分析营销活动数据|数据分享-2
PYTHON银行机器学习:回归、随机森林、KNN近邻、决策树、高斯朴素贝叶斯、支持向量机SVM分析营销活动数据|数据分享
21 1
|
2天前
|
数据处理 Python
如何使用Python的Pandas库进行数据排序和排名
【4月更文挑战第22天】Pandas Python库提供数据排序和排名功能。使用`sort_values()`按列进行升序或降序排序,如`df.sort_values(by='A', ascending=False)`。`rank()`函数用于计算排名,如`df['A'].rank(ascending=False)`。多列操作可传入列名列表,如`df.sort_values(by=['A', 'B'], ascending=[True, False])`和分别对'A'、'B'列排名。
13 2
|
3天前
|
Python
如何使用Python的Pandas库进行数据缺失值处理?
Pandas在Python中提供多种处理缺失值的方法:1) 使用`isnull()`检查;2) `dropna()`删除含缺失值的行或列;3) `fillna()`用常数、前后值填充;4) `interpolate()`进行插值填充。根据需求选择合适的方法处理数据缺失。
35 9
|
4天前
|
数据挖掘 API 数据安全/隐私保护
python请求模块requests如何添加代理ip
python请求模块requests如何添加代理ip
|
5天前
|
索引 Python
如何使用Python的Pandas库进行数据透视表(pivot table)操作?
使用Pandas在Python中创建数据透视表的步骤包括:安装Pandas库,导入它,创建或读取数据(如DataFrame),使用`pd.pivot_table()`指定数据框、行索引、列索引和值,计算聚合函数(如平均分),并可打印或保存结果到文件。这允许对数据进行高效汇总和分析。
10 2