序列化与反序列化

序列化：把Python的基本数据类型转为字符串

反序列化：把字符串转为Python的基本数据类型

Python中用于序列化的两个模块：

• json     用于【字符串】和 【python基本数据类型】 间进行转换；由于字符串是各语言通用的，json更适合跨语言；但仅支持dict、list、tuple、str、int、flost、True、False

• pickle   用于【python特有的类型】 和 【python基本数据类型】间进行转换，支持任何类型，更适合所有类型的序列化，比如面向对象

Json模块提供了四个功能：dumps、dump、loads、load

pickle模块提供了四个功能：dumps、dump、loads、load

关于json：

• JSON：JavaScript 对象表示法（JavaScript Object Notation）。

• JSON 是存储和交换文本信息的语法。类似 XML。

• JSON 比 XML 更小、更快，更易解析

案例1：json转换过程，dumps、loads；内部涉及字符串的时候一定要使用双引号，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) # 将python基本数据类型转为字符串                  print('result',result,type(result))
dic2=json.loads(result)#将字符串转为基本数据类型 ，                      print('dic2',dic2,type(dic2))

执行结果：

案例2：json读取并写入文件中，dump、load

import  json
li=["a","b"]
json.dump(li,open('db','w'))#执行结果，db文件中写入li的内容 r=json.load(open('db','r'))#读文件操作 print(r,type(r))

执行结果：

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

案例3：基于天气的API获取天气相关的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)

执行结果：

关于pickle的应用：

案例4：pickle的dumps和loads

import pickle
dic={"k1":"v1","k2":"v2"} print('dic',dic,type(dic))
result=pickle.dumps(dic) # 将python基本数据类型转为字节 print('result',result,type(result))
dic2=pickle.loads(result)#将字符串转为基本数据类型 print('dic2',dic2,type(dic2))

执行结果：

案例5-1：pickle的写入文件和导出文件，类型需要加b

import pickle

li=["a","b"]
pickle.dump(li,open('hh','wb'))#类型需要加b r=pickle.load(open('hh','rb'))#读文件操作，需要加b print(r,type(r))

执行结果：

案例5-2：修改导入文件的内容

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 ('初次导入',t,type(t)) #修改字典中的一个值,重新存储，再次调用 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)) #添加一个新的字段 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：对象的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')