pythonjson可視化的簡單介紹

本文目錄一覽：

• 1、常用的python庫有哪些
• 2、Python中除了matplotlib外還有哪些數據可視化的庫
• 3、python”高維數據”可視化用什麼庫
• 4、【Python】淺談python中的json
• 5、Python爬蟲（七）數據處理方法之JSON

常用的python庫有哪些

10個頂級且實用的python庫

1、Dash

Dash是比較新的軟件包，它是用純python構建數據可視化app的理想選擇，因此特別適合處理數據的任何人。Dash是Flask、Plotly.js和React.js的混合體。

2、Pygame

Pygame是SDL多媒體庫的python裝飾器，SDL是一個跨平台開發庫，旨在提供對以下內容的低級接口：音頻、鍵盤、鼠標、遊戲桿、基於OpenGL和Direct3D的圖形硬件。

Pygame具有高度的可移植性，幾乎可以在所有平台和操作系統上運行。儘管它具有完善的遊戲引擎，但您也可以使用此庫直接從python腳本播放MP3文件。

3、Pillow

Pillow專門用於處理圖像，您可以使用該庫創建縮略圖，在文件格式之間轉換、旋轉、應用濾鏡、顯示圖像等等。如果您需要對許多圖像執行批量操作，這是理想的選擇。

4、Colorama

Colorama允許你在終端使用顏色，非常適合python腳本，文檔簡短而有趣，可以在Colorama PyPi頁面上找到。

5、JmesPath

在python中使用JSON非常容易，因為JSON在python字典上的映射非常好。此外，python帶有自己出色的json庫，用於解析和創建JSON。對我來說，這是它最好的功能之一，如果我需要使用JSON，可以考慮使用python。

JmesPath使python處理JSON更加容易，它允許您明確地指定如何從JSON文檔中提取元素。

6、Requests

Requests建立在世界上下載量最大的python庫urllib3上，它令Web請求變得非常簡單，功能強大且用途廣泛。

Requests可以完成您能想到的所有高級工作，比如：認證，使用cookie，執行POST、PUT、DELETE等，使用自定義證書，使用會話Session、使用代理等。

7、Simplejson

python中的本地json模塊有什麼問題?沒有!實際上，python的json是Simplejson。意思是：python採用了Simplejson的一個版本，並將其合併到每個發行版中，但是使用Simplejson具有一些優點：它適用於更多python版本、它比python隨附的版本更新頻率更高、它具有用C編寫的部分，因此非常快速。

8、Emoji

Emoji庫非常意思，但並非每個人都喜歡錶情包，分析視角媒體數據時，Emoji包非常有用。

9、Python-dateutil

Python-dateutil模塊提供了對標準datetime模塊的強大擴展。我的經驗是：常規的python日期時間功能在哪裡結束，而Python-dateutil就出現了。

10、BeautifulSoup

如果您從網站上提取了一些HTML，則需要對其進行解析以獲取實際所需的內容。BeautifulSoup是一個python庫，用於從HTML和XML文件中提取數據。它提供了導航，搜索和修改解析樹的簡單方法。它非常強大，即使損壞了，也能夠處理各種HTML，這是一個非常強大的功能。

它的一些主要功能：

①BeautifulSoup會自動將傳入文檔轉換為Unicode，將傳出文檔轉換為UTF-8，您無需考慮編碼。

②BeautifulSoup位於流行的python解析器的頂部，使您可以嘗試不同的解析策略或提高靈活性。

Python中除了matplotlib外還有哪些數據可視化的庫

數據可視化是展示數據、理解數據的有效手段，常用的Python數據可視化庫如下：

1.Matplotlib：第一個Python可視化庫，有許多別的程序庫都是建立在其基礎上或者直接調用該庫，可以很方便地得到數據的大致信息，功能非常強大，但也非常複雜。

2.Seaborn：利用Matplotlib，用簡潔的代碼來製作好看的圖表，與Matplotlib最大的區別為默認繪圖風格和色彩搭配都具有現代美感。

3.ggplot：基於R的一個作圖庫的ggplot2，同時利用了源於《圖像語法》中的概念，允許疊加不同的圖層來完成一幅圖，並不適用於製作非常個性化的圖像，為操作的簡潔度而犧牲了圖像的複雜度。

4.Bokeh：與ggplot很相似，但與ggplot不同之處為它完全基於Python而不是從R處引用。長處在於能用於製作可交互、可直接用於網絡的圖表。圖表可以輸出為JSON對象、HTML文檔或者可交互的網絡應用。

5.Plotly：可以通過Python notebook使用，與bokeh一樣致力於交互圖表的製作，但提供在別的庫中幾乎沒有的幾種圖表類型，如等值線圖、樹形圖和三維圖表。

6.pygal：與Bokeh和Plotly一樣，提供可直接嵌入網絡瀏覽器的可交互圖像。與其他兩者的主要區別在於可將圖表輸出為SVG格式，所有的圖表都被封裝成方法，且默認的風格也很漂亮，用幾行代碼就可以很容易地製作出漂亮的圖表。

7.geoplotlib：用於製作地圖和地理相關數據的工具箱。可用來製作多種地圖，比如等值區域圖、熱度圖、點密度圖等，必須安裝Pyglet方可使用。

8.missingno：用圖像的方式快速評估數據缺失的情況，可根據數據的完整度對數據進行排序或過濾，或者根據熱度圖或樹狀圖對數據進行修正。

python”高維數據”可視化用什麼庫

常見的Python可視化庫有哪些？

Matplotlib

Matplotlib是一個Python 2維繪圖庫，已經成為Python中公認的數據可視化工具，通過Matplotlib你可以很輕鬆地畫一些或簡單或複雜地圖形，幾行代碼即可生成線圖、直方圖、功率譜、條形圖、錯誤圖、散點圖等等。

Seaborn

Seaborn是基於Mtplotlib產生的一個模塊，專攻於統計可視化，可以和pandas進行無縫鏈接，使初學者更容易上手。相對於Matplotlib，Seaborn語法更簡潔，兩者關係類似於NumPy、和Pandas之間的關係。

HoloViews

HoloViews是一個開源的Python庫，可以用非常少的代碼行中完成數據分析和可視化，除了默認的Matplotlib後端外，還添加了一個Bokeh後端。Bokeh提供了一個強大的平台，通過結合Bokeh提供的交互式小部件，可以使用HTML5 canvas和WebGL快速生成交互性和高維可視化，非常適合於數據的交互式探索。

Altair

Altair是Python的一個公認的統計可視化庫，它的API簡單、友好、一致，並建立在強大的vega-lite（交互式圖形語法）之上。Altair API不包含實際的可視化呈現代碼，而是按照vega-lite規範發出JSON數據結構。由此產生的數據可以在用戶界面中呈現，這種優雅的簡單性產生了漂亮且有效的可視化效果，且只需很少的代碼。

ggplot

ggplot是基於R的ggplot2和圖形語法的Python的繪圖系統，實現了更少的代碼繪製更專業的圖形。

它使用一個高級且富有表現力的API來實現線，點等元素的添加，顏色的更改等不同類型的可視化組件的組合或添加，而不需要重複使用相同的代碼，然而這對那些試圖進行高度定製的的來說，ggplot並不是最好的選擇，儘管它也可以製作一些非常複雜、好看的圖形。

Bokeh

Bokeh是一個Python交互式可視化庫，支持現代化Web瀏覽器展示。它提供風格優雅、簡潔的D3.js的圖形化樣式，並將此功能擴展到高性能交互的數據集，數據流上。使用Bokeh可以快速便捷地創建交互式繪圖、儀錶板和數據應用程序等。

Bokeh能與NumPy、Pandas，Blaze等大部分數組或表格式的數據結構完美結合。

【Python】淺談python中的json

一 前言  

   最近一直在做開發相關的工作–基於Django的web 平台，其中需要從model層傳輸數據到view 層做數據展示或者做業務邏輯處理。我們採用通用的Json格式–Json(JavaScript Object Notation) 是一種輕量級的數據交換格式，易於閱讀和程序解析。

二 認識Json

   2.1 Json 結構

   常見的Json格式為 “名稱/值”對的集合,其中 值可以是對象，列表，字典，字符串等等。比如

backup_data = {“back_to_host”: “dbbk0”,

“ip_address”: “10.10.20.3”,

“host_name”: “rac4”,

“port”: 3306}

  2.2 使用Json

  Python的Json模塊序列化與反序列化的過程分別是 編碼和解碼。這兩個過程涉及到兩組不同的函數

  編碼 把一個Python對象編碼轉換成Json字符串，json.dumps(data)/json.dump(data,file_handler)

  解碼 把Json格式字符串解碼轉換成Python對象，json.loads(data)/json.load(file_handler)

  在python中要使用Json模塊做相關操作，必須先導入:

import Json

  2.3 主要函數

  編碼函數主要有 json.dumps(data)/json.dump(data,file_handler)

   json.dumps()的參數是將python對象轉換為字符串，如使用json.dumps序列化的對象json_dumps=json.dumps({‘a’:1, ‘b’:2}) ，json_dumps='{“b”: 2, “a”: 1}’

   json.dump 是將內置類型序列化為json對象後寫入文件。

 解碼函數主要由json.loads(data)/json.load(file_handler)  

    json.loads的參數是內存對象，把Json格式字符串解碼轉換成Python對象,json_loads=json.loads(d_json)  #{ b”: 2, “a”: 1}，使用load重新反序列化為dict

    json.load()的參數針對文件句柄，比如本地有一個文件/tmp/test.json  json_load=json.load(open(‘/tmp/test.json’))

具體案例參考如下:

In [3]: data={“back_to_host”: “rac1”,

…: “ip_address”: “10.215.20.3”,

…: “host_name”: “rac3”,

…: “port”: 3306}

In [7]: json_str=json.dumps(data)

In [8]: print json_str

{“ip_address”: “10.215.20.3”, “back_to_host”: “rac1”, “host_name”: “rac3”, “port”: 3306}

In [9]: json_loads=json.load(json_str)

—————————————————————————

AttributeError Traceback (most recent call last)

ipython-input-9-180506f16431 in module()

—- 1 json_loads=json.load(json_str)

/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/json/__init__.pyc in load(fp, encoding, cls, object_hook, parse_float, parse_int, parse_constant, object_pairs_hook, **kw)

284

285 “”

注意 從上面的報錯信息來看 json.loads 傳參是字符串類型，並不是文件句柄，沒有 read()屬性。

In [10]: json_loads=json.loads(json_str)

In [11]: print json_loads

{u’back_to_host’: u’rac1′, u’ip_address’: u’10.215.20.3′, u’host_name’: u’rac3′, u’port’: 3306}

In [12]: type(json_loads)

Out[12]: dict

In [13]: type(json_str)

Out[13]: str

利用dump 將數據寫入 dump.json

In [17]: with open(‘/tmp/dump.json’,’w’) as f:

…: json.dump(json_str,f)

…:

yangyiDBA:~ yangyi$ cat /tmp/dump.json

“{\”ip_address\”: \”10.10.20.3\”, \”back_to_host\”: \”rac1\”, \”host_name\”: \”rac3\”, \”port\”: 3306}”

yangyiDBA:~ yangyi$

利用json.load 將dump.sjon的數據讀出來並賦值給 data 

In [18]: with open(‘/tmp/dump.json’,’r’) as f:

…: data=json.load(f)

…:

In [19]: print data

{“ip_address”: “10.10.20.3”, “back_to_host”: “rac1”, “host_name”: “rac3”, “port”: 3306}

三 小結

  本文算是一篇學習筆記，主要對比了json.loads/json.load  , json.dumps/ json.dump 的使用差異 ，方便以後更好的使用json 。

以上為本次分享內容，感謝觀看。

Python爬蟲（七）數據處理方法之JSON

JSON 指的是 JavaScript 對象表示法（JavaScript Object Notation），是輕量級的文本數據交換格式，且具有自我描述性，更易理解。

JSON看起來像python類型（列表，字典）的字符串。

在之前的文章中，我們說到了怎麼用response的方法，獲取到網頁正確解碼後的字符串。如果還有不懂的，可以先閱讀 Python爬蟲（三）Requests庫 。接下來以有道翻譯為例子，說說怎麼通過網頁解碼後的字符串，提取到翻譯結果。

再結合上述有道翻譯的例子，得到字典類型的返回結果，並提取出來翻譯結果。

將上述例子的dict_json換成str字符串，再寫入文本中。

執行完上述的程序，會得到一個fanyi.txt的文件，其結果如下：{“type”: “ZH_CN2EN”, “errorCode”: 0, “elapsedTime”: 1, “translateResult”: [[{“src”: “\u4eba\u751f\u82e6\u77ed\uff0c\u6211\u7528python”, “tgt”: “Life is too short, I use python”}]]}。這樣子的一份文檔，中文部分顯示的是二進制，且格式非常不利於閱讀，這並不是我們想要的結果。好在json.dumps()為我們提供的兩個方法，以幫助我們更好閱讀文檔。

1.ensure_ascii，能夠讓中文顯示成中文；

2.indent，能夠讓下一行在第一行的基礎上空格。

其用法如下：