python如何获取json数据中的数字

在Python中获取JSON数据中的数字，可以通过使用内置的json模块来解析JSON数据，并使用键名访问所需的数值。首先，使用json.loads()方法将JSON字符串转换为Python字典，然后通过键名访问字典中的数据。

例如，假设有一个包含数字的JSON字符串，可以使用以下方法解析并获取其中的数字：

import json
JSON字符串
json_str = '{"name": "John", "age": 30, "city": "New York", "salary": 5000}'
将JSON字符串解析为Python字典
data = json.loads(json_str)
访问字典中的数值
age = data["age"]
salary = data["salary"]
print("Age:", age)
print("Salary:", salary)

在这个例子中，使用json.loads()将JSON字符串解析为Python字典，然后通过键名"age"和"salary"访问并打印数值。

接下来，我们将详细介绍如何在不同的情况下从JSON数据中提取数字，包括嵌套JSON、数组中的数字等场景。

一、解析简单JSON数据

在最简单的情况下，JSON数据只是一个包含键值对的对象。我们可以使用json.loads()方法将其解析为Python字典，并通过键名访问其中的数字。

import json
简单的JSON字符串
json_str = '{"name": "Alice", "age": 25, "height": 165.5}'
将JSON字符串解析为Python字典
data = json.loads(json_str)
访问字典中的数值
age = data["age"]
height = data["height"]
print("Age:", age)
print("Height:", height)

在这个例子中，我们成功地从简单的JSON数据中获取了"age"和"height"的数值。

二、解析嵌套的JSON数据

在实际应用中，JSON数据往往是嵌套的，即一个JSON对象中包含另一个JSON对象。在这种情况下，我们需要逐层解析JSON数据，直到找到我们需要的数值。

import json
嵌套的JSON字符串
json_str = '{"name": "Bob", "address": {"city": "Los Angeles", "zipcode": 90001}, "salary": 7000}'
将JSON字符串解析为Python字典
data = json.loads(json_str)
访问嵌套字典中的数值
zipcode = data["address"]["zipcode"]
salary = data["salary"]
print("Zipcode:", zipcode)
print("Salary:", salary)

在这个例子中，我们通过嵌套访问的方式，从嵌套的JSON数据中获取了"zipcode"和"salary"的数值。

三、解析包含数组的JSON数据

有时候，JSON数据中会包含数组，这些数组中可能包含数字。在这种情况下，我们可以先访问数组，然后通过索引访问数组中的数字。

import json
包含数组的JSON字符串
json_str = '{"name": "Charlie", "grades": [88, 92, 79, 85]}'
将JSON字符串解析为Python字典
data = json.loads(json_str)
访问数组中的数值
grades = data["grades"]
first_grade = grades[0]
second_grade = grades[1]
print("First Grade:", first_grade)
print("Second Grade:", second_grade)

在这个例子中，我们先访问包含数组的键名"grades"，然后通过索引获取数组中的数值。

四、处理复杂的JSON数据结构

在实际项目中，我们可能会遇到更为复杂的JSON数据结构，比如数组中的对象、对象中的数组等。在这种情况下，我们需要结合前面介绍的方法，逐层解析JSON数据，直到找到我们需要的数值。

import json
复杂的JSON字符串
json_str = '''
{
  "company": "Tech Corp",
  "employees": [
    {"name": "David", "age": 30, "salary": 4000},
    {"name": "Eva", "age": 28, "salary": 4200}
  ],
  "departments": [
    {
      "name": "Engineering",
      "budget": 500000,
      "projects": [
        {"name": "Project Alpha", "cost": 150000},
        {"name": "Project Beta", "cost": 200000}
      ]
    },
    {
      "name": "Marketing",
      "budget": 300000,
      "projects": [
        {"name": "Project Gamma", "cost": 100000}
      ]
    }
  ]
}
'''
将JSON字符串解析为Python字典
data = json.loads(json_str)
访问数组中的对象
first_employee_salary = data["employees"][0]["salary"]
second_project_cost = data["departments"][0]["projects"][1]["cost"]
print("First Employee Salary:", first_employee_salary)
print("Second Project Cost:", second_project_cost)

在这个例子中，我们通过组合访问的方法，成功从复杂的JSON数据结构中获取了"first_employee_salary"和"second_project_cost"的数值。

五、从文件中读取JSON数据并提取数字

在实际应用中，JSON数据往往存储在文件中。我们可以使用Python的内置文件操作功能读取JSON文件，并使用json.load()方法解析JSON数据。

import json
从文件中读取JSON数据
with open('data.json', 'r') as file:
    data = json.load(file)
访问字典中的数值
age = data["age"]
salary = data["salary"]
print("Age:", age)
print("Salary:", salary)

在这个例子中，我们从文件data.json中读取JSON数据，并成功提取了"age"和"salary"的数值。

六、处理JSON数据中的缺失值

在处理JSON数据时，有时会遇到某些键名不存在的情况。为了避免KeyError，我们可以使用dict.get()方法来安全地访问字典中的数据。

import json
包含缺失值的JSON字符串
json_str = '{"name": "Frank", "age": null, "salary": 4500}'
将JSON字符串解析为Python字典
data = json.loads(json_str)
安全地访问字典中的数值
age = data.get("age", "N/A")
salary = data.get("salary", "N/A")
print("Age:", age)
print("Salary:", salary)

在这个例子中，我们使用dict.get()方法来安全地访问字典中的数据，并在键名不存在或值为null时提供默认值。

七、将提取的数值用于数据分析

从JSON数据中提取数值后，我们可以将这些数值用于数据分析。可以使用Pandas库将数据组织成DataFrame，并进行进一步的分析和处理。

import json
import pandas as pd
JSON字符串
json_str = '''
[
    {"name": "George", "age": 32, "salary": 5000},
    {"name": "Helen", "age": 29, "salary": 4800},
    {"name": "Ian", "age": 35, "salary": 5200}
]
'''
将JSON字符串解析为Python列表
data = json.loads(json_str)
将列表转换为Pandas DataFrame
df = pd.DataFrame(data)
计算平均年龄和平均工资
average_age = df["age"].mean()
average_salary = df["salary"].mean()
print("Average Age:", average_age)
print("Average Salary:", average_salary)

在这个例子中，我们将JSON数据解析为列表，并使用Pandas将其转换为DataFrame，然后计算平均年龄和平均工资。

八、使用第三方库解析复杂JSON数据

在某些情况下，JSON数据可能非常复杂，手动解析可能会变得繁琐。可以使用第三方库，如jsonpath-ng来简化解析过程。

import json
from jsonpath_ng import jsonpath, parse
复杂的JSON字符串
json_str = '''
{
  "store": {
    "book": [
      {"category": "fiction", "price": 8.99},
      {"category": "non-fiction", "price": 12.99}
    ],
    "bicycle": {"color": "red", "price": 19.95}
  }
}
'''
将JSON字符串解析为Python字典
data = json.loads(json_str)
使用jsonpath_ng解析JSON数据
jsonpath_expr = parse('$.store.book[*].price')
prices = [match.value for match in jsonpath_expr.find(data)]
print("Book Prices:", prices)