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 json1-1-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...
欢迎 你 发表评论:
- 一周热门
-
-
抖音上好看的小姐姐,Python给你都下载了
-
全网最简单易懂!495页Python漫画教程,高清PDF版免费下载
-
Python 3.14 的 UUIDv6/v7/v8 上新,别再用 uuid4 () 啦!
-
python入门到脱坑 输入与输出—str()函数
-
宝塔面板如何添加免费waf防火墙?(宝塔面板开启https)
-
Python三目运算基础与进阶_python三目运算符判断三个变量
-
(新版)Python 分布式爬虫与 JS 逆向进阶实战吾爱分享
-
飞牛NAS部署TVGate Docker项目,实现内网一键转发、代理、jx
-
慕ke 前端工程师2024「完整」
-
失业程序员复习python笔记——条件与循环
-
- 最近发表
- 标签列表
-
- python计时 (73)
- python安装路径 (56)
- python类型转换 (93)
- python进度条 (67)
- python吧 (67)
- python的for循环 (65)
- python格式化字符串 (61)
- python静态方法 (57)
- python列表切片 (59)
- python面向对象编程 (60)
- python 代码加密 (65)
- python串口编程 (77)
- python封装 (57)
- python写入txt (66)
- python读取文件夹下所有文件 (59)
- python操作mysql数据库 (66)
- python获取列表的长度 (64)
- python接口 (63)
- python调用函数 (57)
- python多态 (60)
- python匿名函数 (59)
- python打印九九乘法表 (65)
- python赋值 (62)
- python异常 (69)
- python元祖 (57)
