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:json 模块的使用

ztj100 2025-01-12 20:22 49 浏览 0 评论

一、JSON解读:本质就是一个有规则的字符串

  • 用作轻量级数据交换格式(个人觉得,重量级的 xml 更合适些)
  • 所有语言都支持解析字符串
  • 把【对象】转换成【字符串】叫做序列化(编码过程)
  • 把【字符串】转换成【对象】叫做反序列化(解码过程)

下面介绍 python 中 json 的使用(只用常用的列表和字典举例)。

二、常用4个方法(必选参数):

注意细节:

  • 转换成字符串后,单引号变为双引号
  • 把字符串转回对象使用时,要把字符串里的单引号转换成双引号

1、json.dumps(对象):把 python 对象序列化成字符串

2、json.dump(对象,文件对象):把 python 对象序列化成字符串,并存储到文件

3、json.loads(字符串):把字符串反序列化成 python 对象

4、json.load(文件对象):把文件对象打开,并反序列化成 python 对象


三、四个方法(可选参数)

dumps 和 dump 方法看源码 还有这些参数可用(介绍常用的)

skipkeys=False, ensure_ascii=True, check_circular=True,
        allow_nan=True, cls=None, indent=None, separators=None,
        default=None, sort_keys=False
  • skipkeys:判断字典的 key 值是不是python 的基本类型(str、int、float、bool、None)skipkeys=False:默认为False,不是基本类型,则报错;如果为True:不是基本类型跳过,不报错
  • ensure_ascii=True:默认为True,转义;如果为 False:可以包含非 ascii 码


  • indent=2:缩进2个字符。默认为None,不进行缩进;
  • separators=None:分割。默认是【逗号+空格、冒号+空格】进行分割;如果制定分割符或去掉空格则 separators=(',',':')
  • sort_keys=False:按 key 排序


loads 和 load 方法看源码,还有这些参数可用(基本不用)

四、JSON 与 Python 对象的类型对应关系

json 模块 常用的你懂了吗?

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: