百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

python对象和JSON格式数据如何相互转化? 只需要用到这四个方法。

ztj100 2025-01-12 20:22 23 浏览 0 评论

json是一种轻量级的数据格式,主要特点易于人阅读和编写 ,故现在成为前后端数据交互的一种通用格式 。

1.用途

  • 前后端数据交互和传递的通用格式
  • 在自动化时要保存的数据格式 。

以下为json格式 :

{
    "name" : "李四" ,
    "age" : 22,
    "sex" : "女"
}

从格式上说,python中的字典和json基本一致, 但又属于不同的数据类型 。想要使它们之间进行相互转化就必须使用到一个中间库 ,这个库就是json . json在python3.x后是自带的,可以直接导入使用 。

2.python与json数据类型的映射关系

Python

JSON

dict

object

list, tuple

array

str, unicode

string

int, long, float

number

True

true

False

false

None

null

3.json常用方法

两者之间的转化是通过以下的四个方法 ,

方法

描述

json.dumps()

将 Python 对象编码成 JSON 字符串

json.loads()

将已编码的 JSON 字符串解码为 Python 对象

json.dump()

将Python内置类型序列化为json对象后写入文件

json.load()

读取文件中json形式的字符串元素转化为Python类型

将以上的方法进行总结后,有着这样的规律 。


4.示例

使用loads()和dumps()相互转化

import json

data = {
    'name' : '张三' ,
    'age' : '21',
    'sex' : '男' ,
    'address' : None,
    'is_marry' : False
}

print("data的数据类型:{}".format(type(data)))

json_type_data = json.dumps(data)
print(json_type_data)
print("将python类型转化为json对象:{}".format(type(json_type_data)))
print("="*30)
python_type_data = json.loads(json_type_data)
print(type(python_type_data))
print("将json对象转化为python对象:{}".format(python_type_data))

使用load()和dump()相互转化

print("="*30)
with open('test_data.json','r+',encoding='utf-8') as f:
    z = json.load(f)
    print("从文件中读取的json数据为:{}".format(type(z)))
    print(z)
data = {
    'name' : '张三' ,
    'age' : '21',
    'sex' : '男' ,
    'address' : None,
    'is_marry' : False
}

print("="*30)
z = json.dumps(data,ensure_ascii=False)
with open('test_data1.json','w+',encoding='utf-8') as f:
    f.write(z)

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: