Python模組知識4：序列化Json/pickle，jsonpickle

Python模組知識4：序列化Json/pickle，jsonpickle

序列化與還原序列化

序列化：把Python的基礎資料型別 (Elementary Data Type)轉為字串

還原序列化：把字串轉為Python的基礎資料型別 (Elementary Data Type)

Python中用於序列化的兩個模組：

• json     用於【字串】和 【python基礎資料型別 (Elementary Data Type)】 間進行轉換；由於字串是各語言通用的，json更適合跨語言；但僅支援dict、list、tuple、str、int、flost、True、False

• pickle   用於【python特有的類型】 和 【python基礎資料型別 (Elementary Data Type)】間進行轉換，支援任何類型，更適合所有類型的序列化，比如物件導向

Json模組提供了四個功能：dumps、dump、loads、load

pickle模組提供了四個功能：dumps、dump、loads、load

關於json：

• JSON：JavaScript 物件標記法（JavaScript Object Notation）。

• JSON 是儲存和交換文本資訊的文法。類似 XML。

• JSON 比 XML 更小、更快，更易解析

案例1：json轉換過程，dumps、loads；內部涉及字串的時候一定要使用雙引號，如li=["a","b"],而不是li=['a','b']

import json
dic={"k1":"v1","k2":"v2"}
print('dic',dic,type(dic))
result=json.dumps(dic) # 將python基礎資料型別 (Elementary Data Type)轉為字串                 
print('result',result,type(result))
dic2=json.loads(result)#將字串轉為基礎資料型別 (Elementary Data Type) ，                     
print('dic2',dic2,type(dic2))

執行結果：

案例2：json讀取並寫入檔案中，dump、load

import  json
li=["a","b"]
json.dump(li,open('db','w'))#執行結果，db檔案中寫入li的內容
r=json.load(open('db','r'))#讀檔案操作
print(r,type(r))

執行結果：

['a', 'b'] <class 'list'>

案例3：基於天氣的API擷取天氣相關的json

import requests
import json
r=requests.get('http://wthrcdn.etouch.cn/weather_mini?city=北京')
r.encoding='utf-8'
dic=json.loads(r.text)
print(dic)

執行結果：

關於pickle的應用：

案例4：pickle的dumps和loads

import pickle
dic={"k1":"v1","k2":"v2"}
print('dic',dic,type(dic))
result=pickle.dumps(dic) # 將python基礎資料型別 (Elementary Data Type)轉為位元組
print('result',result,type(result))
dic2=pickle.loads(result)#將字串轉為基礎資料型別 (Elementary Data Type) 
print('dic2',dic2,type(dic2))

執行結果：

案例5-1：pickle的寫入檔案和匯出檔案，類型需要加b

import pickle

li=["a","b"]
pickle.dump(li,open('hh','wb'))#類型需要加b
r=pickle.load(open('hh','rb'))#讀檔案操作，需要加b
print(r,type(r))

執行結果：

案例5-2：修改匯入檔案的內容

import pickle
account_info={'a1':['hh',222,20],
'a2':['rr',444,40]
            }
pickle.dump(account_info,open('acc.pkl','wb'))
t=pickle.load(open('acc.pkl','rb'))
print ('初次匯入',t,type(t))

#修改字典中的一個值,重新儲存，再次調用
account_info['a2'][1]=555
account_info['a2'][2]=50
pickle.dump(account_info,open('acc.pkl','wb'))
f=pickle.load(open('acc.pkl','rb'))
print ("修改值",f,type(f))
#添加一個新的欄位
account_info['a3']=['ppp',666,60]
pickle.dump(account_info,open('acc.pkl','wb'))
y=pickle.load(open('acc.pkl','rb'))
print ("添加新的值",y,type(y))

案例5-3：對象的pickle使用

案例5-4：jupyter上使用pickle

new_data.to_pickle('C:\\data_0921.pickle')

new_data = pd.read_pickle('C:\\data_0921.pickle')

著作權聲明：本文為博主原創文章，未經博主允許不得轉載。