作者： 俊欣

来源： 关于数据分析与可视化

JSON数据格式在我们的日常工作中经常会接触到，无论是做爬虫开发还是一般的数据分析处理，今天，小编就来分享一下当数据接口是JSON格式时，如何进行数据处理进行详细的介绍，内容分布如下

• 什么是JSON
• JSON模块的使用方法

什么是JSON

JSON(JavaScript Object Notation, JS对象简谱)是一种轻量级的数据交换格式，通常是以键值对的方式呈现，其简洁和清晰的层次结构使得JSON成为理想的数据交换语言，而在Python中处理JSON格式的模块有json和pickle两个

• json模块和pickle都提供了四个方法：dumps, dump, loads, load
• 序列化：将python的数据转换为json格式的字符串
• 反序列化：将json格式的字符串转换成python的数据类型

序列化

首先我们来看一下序列化是如何操作的，我们首先用json.dump()将字典写入json格式的文件中

能够进行类似操作的则是dataframe当中的to_json()方法，比方说

而当你分别打开这两个文件时，里面的内容分别是以键值对呈现的json数据。另外，我们看到有json.dumps()和json.dump(), 两者看着十分的相似，但是在功能上可是大相径庭，json.dump()进行的是对json文件的读写操作，就比如上述的例子中，我们将字典数据写入json的文件中用的就是json.dump，而json.dumps()则是聚焦于数据本身类型的转换，对数据的操作，比如

反序列化

在反序列化的过程中，我们需要用到的则是json.load()和json.loads()方法，比如说

可以看到的是变量teachers的类型是字典类型，所以可以通过相应的方式来获取以及改变其中的数值以及格式，另外一种方法则是通过pandas模块中的read_json()方法，例如

从上述的例子中可以看出，json.load()主要处理的是json格式的文件，而json.loads()主要是对JSON编码的字符串进行数据类型的转换，

总结

本文主要是讲了序列化与反序列化的相关操作步骤，读者需要在其中留心的则是json.loads()与json.load()，以及json.dumps()和json.dump()之间的区别和使用场景，总的来说

• json.loads()：是将json格式的字符串(str)转换为字典类型(dict)的数据
• json.dumps()：返回来，是将字典类型(dict)的数据转换成json格式的字符串
• json.load()：用于读取json格式的文件，将文件中的数据转换为字典类型(dict)
• json.dump()：主要用于存入json格式的文件，将字典类型转换为json形式的字符串