python解析json文件并提取(python处理excel教程实例)-昊阳知识网

Python的卓越灵活性和易用性使其成为最受欢迎的编程语言之一，尤其是对于数据处理和机器学习方面来说，其强大的数据处理库和算法库使得python成为入门数据科学的首选语言。在日常使用中，CSV，JSON和XML三种数据格式占据主导地位。下面我将针对三种数据格式来分享其快速处理的方法。

CSV数据

CSV是存储数据的最常用方法。在Kaggle比赛的大部分数据都是以这种方式存储的。我们可以使用内置的Python csv库来读取和写入CSV。通常，我们会将数据读入列表列表。

看看下面的代码。当我们运行csv.reader()所有CSV数据变得可访问时。该csvreader.next()函数从CSV中读取一行;每次调用它，它都会移动到下一行。我们也可以使用for循环遍历csv的每一行for row in csvreader 。确保每行中的列数相同，否则，在处理列表列表时，最终可能会遇到一些错误。

importcsvfilename=”my_data.csv”fields=[]rows=[]#Readingcsvfilewithopen(filename,’r’)ascsvfile:#Creatingacsvreaderobjectcsvreader=csv.reader(csvfile)#Extractingfieldnamesinthefirstrowfields=csvreader.next()#Extractingeachdatarowonebyoneforrowincsvreader:rows.append(row)#Printingoutthefirst5rowsforrowinrows[:5]:print(row)

在Python中写入CSV同样容易。在单个列表中设置字段名称，并在列表列表中设置数据。这次我们将创建一个writer()对象并使用它将我们的数据写入文件，与读取时的方法基本一样。

importcsv#Fieldnamesfields=[‘Name’,’Goals’,’Assists’,’Shots’]#Rowsofdatainthecsvfilerows=[[‘Emily’,’12’,’18’,’112′],[‘Katie’,’8′,’24’,’96’],[‘John’,’16’,’9′,’101′],[‘Mike’,’3′,’14’,’82’]]filename=”soccer.csv”#Writingtocsvfilewithopen(filename,’w ‘)ascsvfile:#Creatingacsvwriterobjectcsvwriter=csv.writer(csvfile)#Writingthefieldscsvwriter.writerow(fields)#Writingthedatarowscsvwriter.writerows(rows)

我们可以使用Pandas将CSV转换为快速单行的字典列表。将数据格式化为字典列表后，我们将使用该dicttoxml库将其转换为XML格式。我们还将其保存为JSON文件！

importpandasaspdfromdicttoxmlimportdicttoxmlimportjson#Buildingourdataframedata={‘Name’:[‘Emily’,’Katie’,’John’,’Mike’],’Goals’:[12,8,16,3],’Assists’:[18,24,9,14],’Shots’:[112,96,101,82]}df=pd.DataFrame(data,columns=data.keys())#Convertingthedataframetoadictionary#Thensaveittofiledata_dict=df.to_dict(orient=”records”)withopen(‘output.json’,”w “)asf:json.dump(data_dict,f,indent=4)#ConvertingthedataframetoXML#Thensaveittofilexml_data=dicttoxml(data_dict).decode()withopen(“output.xml”,”w “)asf:f.write(xml_data)

JSON数据

JSON提供了一种简洁且易于阅读的格式，它保持了字典式结构。就像CSV一样，Python有一个内置的JSON模块，使阅读和写作变得非常简单！我们以字典的形式读取CSV时，然后我们将该字典格式数据写入文件。

importjsonimportpandasaspd#Readthedatafromfile#WenowhaveaPythondictionarywithopen(‘data.json’)asf:data_listofdict=json.load(f)#Wecandothesamethingwithpandasdata_df=pd.read_json(‘data.json’,orient=’records’)#WecanwriteadictionarytoJSONlikeso#Use’indent’and’sort_keys’tomaketheJSON#filelooknicewithopen(‘new_data.json’,’w ‘)asjson_file:json.dump(data_listofdict,json_file,indent=4,sort_keys=True)#Andagainthesamethingwithpandasexport=data_df.to_json(‘new_data.json’,orient=’records’)

正如我们之前看到的，一旦我们获得了数据，就可以通过pandas或使用内置的Python CSV模块轻松转换为CSV。转换为XML时，可以使用dicttoxml库。具体代码如下：

importjsonimportpandasaspdimportcsv#Readthedatafromfile#WenowhaveaPythondictionarywithopen(‘data.json’)asf:data_listofdict=json.load(f)#WritingalistofdictstoCSVkeys=data_listofdict[0].keys()withopen(‘saved_data.csv’,’wb’)asoutput_file:dict_writer=csv.DictWriter(output_file,keys)dict_writer.writeheader()dict_writer.writerows(data_listofdict)

XML数据

XML与CSV和JSON有点不同。CSV和JSON由于其既简单又快速，可以方便人们进行阅读，编写和解释。而XML占用更多的内存空间，传送和储存需要更大的带宽，更多存储空间和更久的运行时间。但是XML也有一些基于JSON和CSV的额外功能：您可以使用命名空间来构建和共享结构标准，更好地传承，以及使用XML、DTD等数据表示的行业标准化方法。

要读入XML数据，我们将使用Python的内置XML模块和子模ElementTree。我们可以使用xmltodict库将ElementTree对象转换为字典。一旦我们有了字典，我们就可以转换为CSV，JSON或Pandas Dataframe！具体代码如下：

importxml.etree.ElementTreeasETimportxmltodictimportjsontree=ET.parse(‘output.xml’)xml_data=tree.getroot()xmlstr=ET.tostring(xml_data,encoding=’utf8′,method=’xml’)data_dict=dict(xmltodict.parse(xmlstr))print(data_dict)withopen(‘new_data_2.json’,’w ‘)asjson_file:json.dump(data_dict,json_file,indent=4,sort_keys=True)

https://towardsdatascience.com/the-easy-way-to-work-with-csv-json-and-xml-in-python-5056f9325ca9

大神来教大家玩服务器：安老师，某大厂互联网公司的资深后端大神，有5年多的后端开发经验，教大家玩转云服务器。玩Linux,安装Python,安装数据库，用Django uwsigi nginx web服务搭建网站，求职简历网站搭建，写脚本部署股票基金机器人，还可以搭建个人网盘！

星球的价格是一年88元，然后现在双11期间有优惠券20元，相当于是68一年，算下来每个月6块钱，连半杯奶茶的钱都不到，一天才2毛钱，非常划算。