一、背景

json格式是一种轻量级的数据交换格式，结构上为键值对的形式，常见于爬虫和数据分析应用领域。Python中有json和pickle两个库可以处理json格式。
json和pickle库提供了四种处理方法：dumps,dump,loads,load

json数据处理类型：

1.序列化

1.1 json.dump()

常用于对文件的读写操作，该方法将字典类型数据写入json格式文件。

import json
student = {'name':'Job', 'age':'26'}
with open('student_list.json', 'w+') as file:
	json.dump(student, file)	

1.2 to_json()

效果同上。

import pandas as pd
student_list= [['Job', '26'],['MIke', '23']]

# 整合成dataframe格式
df = pd.Dataframe(student_list, columns=['name', 'age'])
with open('student_list.json', 'w+') as file:
	df.to_json(file, orient='index')

1.3json.dumps()

与上述json.dump()的区别是：json.dump()聚焦于数据本身类型的转换，对数据的操作。

import json
student = {'name':'Job', 'age':'26'}
student_json = json.dumps(student)
print(type(student_json))

2.反序列化

2.1 json.load()

主要处理json格式文件，将json格式数据转换为python可读的字典类型，可对其中的键值对进行数据和格式的修改。

import json

with open('student_list.json', 'r') as json_file:
	students = json.load(json_file)

print(students)
print(type(students)) # dict类型
print(studnets['name'])

2.2 read_json()

效果同上。

import pandas as pd

with open('student_list.json', 'r') as json_file:
	df_students = pd.read_json(json_file, orient='index')
print(df_students.head())

2.3 json.loads()

与json.load()的主要区别是：json.laods()主要是对json编码的字符串进行数据类型的转换。

import json

students = json.loads(studnet_json)
print(type(students)) # 将json编码的字符串转换为python的字典类型
print(students['age'])