百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术资源 > 正文

23-Python-第三方库Json(python第三方库代码大全)

off999 2025-05-09 21:00 52 浏览 0 评论

1-json库的使用

`json`库是Python标准库的一部分,用于处理JSON数据。它提供了`loads`、`dumps`等方法。

安装三方库

pip install json

1-1-将JSON字符串解析为Python对象

1-1-1-语法

将JSON字符串解析为Python对象,然后可以像访问普通Python字典一样访问解析后的数据。

json.loads(json_str)

1-1-2-例子

import json

# 定义一个JSON字符串
json_str = '{"name": "张三", "age": 30, "city": "北京"}'

# 将JSON字符串解析为Python对象
data = json.loads(json_str)

# 访问解析后的数据
print(data['name'])
print(data['age'])
print(data['city'])

1-1-3-输出结果

1-2-将Python对象转换为JSON字符串

1-2-1-语法

`json.dumps`方法将Python字典转换为JSON字符串

json.dumps(pythonObj)

1-2-2-例子

import json

# 定义一个Python字典
data = {
    'name': 'John',
    'age': 30,
    'city': 'New York'
}

# 将Python对象转换为JSON字符串
json_str = json.dumps(data)

# 打印JSON字符串
print(json_str)

1-2-3-输出结果

1-3-例子

实现从json文件中读取不同省份的人口总数并显示成柱状图

1-3-1-例子01

population.json

[
    {"province": "广东省", "population": 126012510},
    {"province": "山东省", "population": 101527453},
    {"province": "河南省", "population": 98830000},
    {"province": "四川省", "population": 83674866},
    {"province": "江苏省", "population": 85054000},
    {"province": "河北省", "population": 74610235},
    {"province": "湖南省", "population": 66444864},
    {"province": "浙江省", "population": 65400000},
    {"province": "安徽省", "population": 61130000},
    {"province": "湖北省", "population": 58300000}
]

province_population_chart.py

用于封装json文件

import json
from jinja2 import Environment, FileSystemLoader
from collections import defaultdict


def read_province_population_from_json(json_file_path):
    province_population = defaultdict(int)
    try:
        with open(json_file_path, 'r', encoding='utf-8') as file:
            data = json.load(file)
            for item in data:
                province = item.get('province')
                population = item.get('population', 0)
                if province:
                    province_population[province] += population
        return province_population
    except FileNotFoundError:
        print(f"错误:未找到文件 {json_file_path}")
    except json.JSONDecodeError:
        print(f"错误:无法解析 {json_file_path} 为有效的 JSON")
    return province_population


def generate_bar_chart_html(province_population, html_output_path):
    env = Environment(loader=FileSystemLoader('.'))
    template = env.get_template('bar_chart_template.html')

    provinces = list(province_population.keys())
    populations = list(province_population.values())

    html_content = template.render(provinces=provinces, populations=populations)
    try:
        with open(html_output_path, 'w', encoding='utf-8') as file:
            file.write(html_content)
        print(f"HTML 文件已生成:{html_output_path}")
    except Exception as e:
        print(f"错误:写入 HTML 文件时出错 - {e}")


if __name__ == "__main__":
    json_file_path = 'province_population.json'
    html_output_path = 'province_population_chart.html'

    province_population = read_province_population_from_json(json_file_path)
    generate_bar_chart_html(province_population, html_output_path)
    

bar_chart_template.html

<!DOCTYPE html>
<html lang="en">

<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>省份人口柱状图</title>
    <script src="https://cdn.jsdelivr.net/npm/chart.js"></script>
</head>

<body>
    <canvas id="provincePopulationChart" width="800" height="400"></canvas>
    <script>
        const ctx = document.getElementById('provincePopulationChart').getContext('2d');
        const provinces = {{ provinces|tojson }};
        const populations = {{ populations|tojson }};

        new Chart(ctx, {
            type: 'bar',
            data: {
                labels: provinces,
                datasets: [{
                    label: '人口总数',
                    data: populations,
                    backgroundColor: 'rgba(75, 192, 192, 0.2)',
                    borderColor: 'rgba(75, 192, 192, 1)',
                    borderWidth: 1
                }]
            },
            options: {
                scales: {
                    y: {
                        beginAtZero: true
                    }
                }
            }
        });
    </script>
</body>

</html>
    

1-3-2-输出结果

1-3-3-例子02

创建 MySQL 数据库表,并将 2020 年到 2025 年不同省份的人口总数以饼状图形式显示在 HTML 中

database_operations.py

import random

def create_table(mycursor):
    mycursor.execute("""
    CREATE TABLE IF NOT EXISTS population (
        id INT AUTO_INCREMENT PRIMARY KEY,
        province VARCHAR(255),
        year INT,
        population INT
    )
    """)

def insert_data(mycursor, mydb):
    provinces = ["广东", "山东", "河南", "四川", "江苏"]
    years = [2020, 2021, 2022, 2023, 2024, 2025]
    for province in provinces:
        for year in years:
            population = random.randint(10000000, 20000000)
            sql = "INSERT INTO population (province, year, population) VALUES (%s, %s, %s)"
            val = (province, year, population)
            mycursor.execute(sql, val)
    mydb.commit()

def query_data(mycursor):
    provinces = ["广东", "山东", "河南", "四川", "江苏"]
    total_population = {}
    for province in provinces:
        sql = "SELECT SUM(population) FROM population WHERE province = %s AND year BETWEEN 2020 AND 2025"
        val = (province,)
        mycursor.execute(sql, val)
        result = mycursor.fetchone()
        total_population[province] = result[0]
    return total_population
    

database_connection.py

import mysql.connector

def create_connection():
    mydb = mysql.connector.connect(
        host="localhost",
        user="your_username",
        password="your_password",
        database="your_database"
    )
    return mydb
    

chart_generator.py

import matplotlib.pyplot as plt
import os

def generate_chart(total_population):
    labels = total_population.keys()
    sizes = total_population.values()

    plt.pie(sizes, labels=labels, autopct='%1.1f%%')
    plt.axis('equal')

    if not os.path.exists('charts'):
        os.makedirs('charts')
    chart_path = 'charts/population_pie_chart.png'
    plt.savefig(chart_path)
    plt.close()
    return chart_path
    

html_generator.py

def generate_html(chart_path):
    html_content = f"""
    <!DOCTYPE html>
    <html lang="en">
    <head>
        <meta charset="UTF-8">
        <title>2020 - 2025 年不同省份人口总数饼状图</title>
    </head>
    <body>
        <h1>2020 - 2025 年不同省份人口总数饼状图</h1>
        <img src="{chart_path}" alt="Population Pie Chart">
    </body>
    </html>
    """
    with open('population_chart.html', 'w', encoding='utf-8') as f:
        f.write(html_content)
    

main.py

from database_connection import create_connection
from database_operations import create_table, insert_data, query_data
from chart_generator import generate_chart
from html_generator import generate_html

# 建立数据库连接
mydb = create_connection()
mycursor = mydb.cursor()

# 创建表
create_table(mycursor)

# 插入数据
insert_data(mycursor, mydb)

# 查询数据
total_population = query_data(mycursor)

# 生成饼状图
chart_path = generate_chart(total_population)

# 生成 HTML 文件
generate_html(chart_path)

print("数据库表创建成功,数据插入成功,饼状图已保存为图片,HTML 文件已生成。")
    

相关推荐

阿里云国际站ECS:阿里云ECS如何提高网站的访问速度?

TG:@yunlaoda360引言:速度即体验,速度即业务在当今数字化的世界中,网站的访问速度已成为决定用户体验、用户留存乃至业务转化率的关键因素。页面加载每延迟一秒,都可能导致用户流失和收入损失。对...

高流量大并发Linux TCP性能调优_linux 高并发网络编程

其实主要是手里面的跑openvpn服务器。因为并没有明文禁p2p(哎……想想那么多流量好像不跑点p2p也跑不完),所以造成有的时候如果有比较多人跑BT的话,会造成VPN速度急剧下降。本文所面对的情况为...

性能测试100集(12)性能指标资源使用率

在性能测试中,资源使用率是评估系统硬件效率的关键指标,主要包括以下四类:#性能测试##性能压测策略##软件测试#1.CPU使用率定义:CPU处理任务的时间占比,计算公式为1-空闲时间/总...

Linux 服务器常见的性能调优_linux高性能服务端编程

一、Linux服务器性能调优第一步——先搞懂“看什么”很多人刚接触Linux性能调优时,总想着直接改配置,其实第一步该是“看清楚问题”。就像医生看病要先听诊,调优前得先知道服务器“哪里...

Nginx性能优化实战:手把手教你提升10倍性能!

关注△mikechen△,十余年BAT架构经验倾囊相授!Nginx是大型架构而核心,下面我重点详解Nginx性能@mikechen文章来源:mikechen.cc1.worker_processe...

高并发场景下,Spring Cloud Gateway如何抗住百万QPS?

关注△mikechen△,十余年BAT架构经验倾囊相授!大家好,我是mikechen。高并发场景下网关作为流量的入口非常重要,下面我重点详解SpringCloudGateway如何抗住百万性能@m...

Kubernetes 高并发处理实战(可落地案例 + 源码)

目标场景:对外提供HTTPAPI的微服务在短时间内收到大量请求(例如每秒数千至数万RPS),要求系统可弹性扩容、限流降级、缓存减压、稳定运行并能自动恢复。总体思路(多层防护):边缘层:云LB...

高并发场景下,Nginx如何扛住千万级请求?

Nginx是大型架构的必备中间件,下面我重点详解Nginx如何实现高并发@mikechen文章来源:mikechen.cc事件驱动模型Nginx采用事件驱动模型,这是Nginx高并发性能的基石。传统...

Spring Boot+Vue全栈开发实战,中文版高清PDF资源

SpringBoot+Vue全栈开发实战,中文高清PDF资源,需要的可以私我:)SpringBoot致力于简化开发配置并为企业级开发提供一系列非业务性功能,而Vue则采用数据驱动视图的方式将程序...

Docker-基础操作_docker基础实战教程二

一、镜像1、从仓库获取镜像搜索镜像:dockersearchimage_name搜索结果过滤:是否官方:dockersearch--filter="is-offical=true...

你有空吗?跟我一起搭个服务器好不好?

来人人都是产品经理【起点学院】,BAT实战派产品总监手把手系统带你学产品、学运营。昨天闲的没事的时候,随手翻了翻写过的文章,发现一个很严重的问题。就是大多数时间我都在滔滔不绝的讲理论,却很少有涉及动手...

部署你自己的 SaaS_saas如何部署

部署你自己的VPNOpenVPN——功能齐全的开源VPN解决方案。(DigitalOcean教程)dockovpn.io—无状态OpenVPNdockerized服务器,不需要持久存储。...

Docker Compose_dockercompose安装

DockerCompose概述DockerCompose是一个用来定义和管理多容器应用的工具,通过一个docker-compose.yml文件,用YAML格式描述服务、网络、卷等内容,...

京东T7架构师推出的电子版SpringBoot,从构建小系统到架构大系统

前言:Java的各种开发框架发展了很多年,影响了一代又一代的程序员,现在无论是程序员,还是架构师,使用这些开发框架都面临着两方面的挑战。一方面是要快速开发出系统,这就要求使用的开发框架尽量简单,无论...

Kubernetes (k8s) 入门学习指南_k8s kubeproxy

Kubernetes(k8s)入门学习指南一、什么是Kubernetes?为什么需要它?Kubernetes(k8s)是一个开源的容器编排系统,用于自动化部署、扩展和管理容器化应用程序。它...

取消回复欢迎 发表评论: