Qu'est-ce que Python JSON et comment l'implémenter?

Savez-vous comment transporter vos données à partir des API en ligne ou stocker différents types de données sur vos machines locales? D'une manière ou d'une autre, vous vous êtes immergé dans JSON qui signifie Notation d'objets de script Java. Il s'agit d'un format de données réputé et populaire utilisé pour représenter des données semi-structurées. Apprenons-en plus sur Python JSON en détail.

Les aspects suivants seront abordés dans cet article:

• • Introduction à JSON en Python
  • Comment lire un fichier JSON en Python
  • Analyse
    • Conversion de Python en JSON
    • Conversion de JSON en Python
  • Pandas analyse JSON
  • Sérialisation de JSON [Encode]
  • Jolie impression
  • Désérialisation de JSON [Decode]
  • Démonstration de codage

Introduction à JSON en Python:

JSON signifie J ava S cript OU bject N otationest un moyen de stocker des informations de manière organisée et simple. Les données doivent être sous forme de texte lorsqu'elles sont échangées entre un navigateur et un serveur.

Au cas où vous vous demandez si c'est ? alors, la réponse est non. Il s'agit d'un script composé de texte et utilisé pour stocker et transférer des données dans un format lisible par l'homme et par une machine. Il s'agit d'un petit format de données léger inspiré de JavaScript et généralement utilisé au format texte ou chaîne. Un paquet de JSON est presque identique à un dictionnaire python. Maintenant, vous devez vous demander

Comment lire un fichier JSON en Python?

La réponse à votre question est que vous devez importer le module JSON qui convertit généralement les types de données Python dans le fichier de chaîne JSON. Il se compose de fonctions JSON qui lisent et écrivent directement à partir de fichiers JSON. a un package JSON intégré et fait partie de la bibliothèque standard, vous n'avez donc pas besoin de l'installer.

Exemple:

importer json

Maintenant que vous connaissez JSON en Python, examinons de plus près l'analyse.

Analyse:

La bibliothèque JSON peut analyser JSON à partir de cordes ou des fichiers. Il peut également analyser JSON dans le ou listez et faites l'inverse. L'analyse se déroule généralement en deux étapes:

1. Conversion de JSON en Python
2. Conversion de Python en JSON

Comprenons mieux les deux étapes.

Conversion de JSON en Python:

Vous pouvez convertir une chaîne JSON en Python en utilisantjson.loads ().Laissez-moi vous montrer la mise en œuvre pratique:

Exemple:

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 (chaîne_personne) print (données)

Production:

Comme vous pouvez le voir sur la sortie ci-dessus, il a imprimé un . Imprimons le type de données pour une meilleure compréhension.

Exemple:

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)) # imprime le type de données

Production:

Maintenant que vous êtes familiarisé avec une conversion, voyons l'autre type de conversion dans la deuxième étape.

Conversion de Python en JSON:

Un objet Python peut être converti en chaîne JSON en utilisantjson.dumps ().Jetons un œil à un exemple ci-dessous:

Exemple:

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 (chaîne_personne) new_string = json.dumps (données) print (chaîne_nouvelle)

Production:

La sortie sera de type chaîne JSON. J'ai déjà démontré le type de données dans la conversion JSON en Python, la même procédure est suivie sera suivie pour l'impression du type de données.

Voyons comment les Pandas analysent JSON.

Pandas analysant JSON:

La chaîne JSON peut être analysée en un pandas Dataframe à partir des étapes suivantes:

• La structure générique suivante peut être utilisée pour charger la chaîne JSON dans le DataFrame.

import pandas en tant que pd pd.read_json (r'Path où vous avez enregistré le fichier JSONFile Name.json ')

• Préparez la chaîne JSON.
• Créez un fichier JSON que nous utilisons est nobel_prize.json.
• Chargez le fichier JSON dans pandas DataFrame.

Le code implémenté ci-dessous charge mon fichier JSON dans le DataFrame.

import pandas as pd import json avec open (r'C: UsersHarshit_KantDesktopnobel.prize.json ') as f: data = json.load (f) print (data) df = pd.DataFrame print (df)

Production:

À l'avenir, voyons comment vous pouvez sérialiser JSON en Python.

Sérialisation de JSON [Encode]:

Sérialiser JSON signifie simplement que vous encodez JSON. Il convertit la structure de données Python donnée (ex: dict) en son objet JSON valide. Pour gérer le flux de données dans un fichier, la bibliothèque JSON en Python utilise un déverser() et décharges () méthode, qui effectue la conversion et facilite l'écriture de données dans des fichiers.

Ci-dessous, un tableau illustrant les Python Types de données se convertir à leur type JSON respectif.

Points à retenir:

déverser() - Convertit les données en un fichier JSON
décharges () - Convertit les données en une chaîne JSON
charge() - Convertit le fichier JSON en un objet Python
charges() - Convertit un objet de chaîne JSON en un objet Python

comment analyser un fichier xml en java

Jolie impression:

Pretty Printing s'occupe de l'alignement du code et le rend dans un format lisible par l'homme. Regardons l'exemple ci-dessous où j'ai passé deux paramètres «sort_keys» qui retournent toujours une valeur booléenne True et des espaces «indent».

Exemple:

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)

Production:

En allant de l'avant dans le didacticiel Python JSON, laissez-nous comprendre la désérialisation de JSON.

Désérialisation de JSON [Decode]:

La désérialisation de JSON est l'exact opposé de la sérialisation, c'est-à-dire que vous décodez JSON. Il convertit la chaîne JSON donnée en un Python objet en utilisant charge() et charges() méthode qui effectue la conversion.

Vous trouverez ci-dessous un tableau qui illustre la conversion du type de données JSON en son type Python respectif.

Avancez dans le didacticiel «Python JSON». Je vais vous montrer un exemple en temps réel de sérialisation et de désérialisation à travers une perspective de codage.

Démonstration de codage:

Dans cette démonstration de codage, j'utilise un jeu de données JSON appelé «prix Nobel» qui est donné Ici . Vous apprendrez à effectuer la sérialisation et la désérialisation de la même chose via un fichier JSON.

Exemple (sérialisation de l'ensemble de données JSON):

import json avec open ('nobel_prize.json.html') comme f: data = json.load (f) avec open ('new_nobel_prize.json.html') comme f: json.dump (data, f, indent = 2)

Production:

est compilé avec succès et un nouveau fichier «new_nobel_prize.json» est créé où les données sont vidées d'un fichier déjà existant «nobel_prize.json».

Exemple (désérialisation de l'ensemble de données JSON):

import json avec open ('nobel_prize.json.html') comme f: data = json.load (f) pour nobel_prize in data ['prizes']: print (nobel_prize ['year'], nobel_prize ['category'])

Production:

L'extrait de code montre les modifications d'un fichier JSON à son objet Python respectif.

Ceci nous amène à la fin de notre article «Python JSON». J'espère que vous êtes clair avec tous les concepts liés à JSON, l'analyse, la sérialisation et la désérialisation.

Assurez-vous de pratiquer autant que possible et inversez votre expérience.

Vous avez une question pour nous? Veuillez le mentionner dans la section commentaires de cet article Python JSON et nous vous répondrons dans les plus brefs délais. Pour acquérir une connaissance approfondie de Python et de ses différentes applications, vous pouvez avec notre formation en ligne en direct avec une assistance 24/7 et un accès à vie.