0
点赞
收藏
分享

微信扫一扫

打开我的收藏夹 -- Python数据分析杂谈


打开我的收藏夹 -- Python数据分析杂谈_数据


文章目录


  • ​​玩转json​​

  • ​​什么是json​​
  • ​​Python中的Json模块​​
  • ​​获取json中的某个数据​​
  • ​​Jpath​​

  • ​​numpy​​

  • ​​使用ndarray创建数组的好处​​
  • ​​numpy基本操作​​

  • ​​文本数据去重​​
  • ​​数据采集方式​​


好几天没写啥实在的干货了,今天见六不废话了,直接上干货。

玩转json

什么是json

Json是一种轻量级的数据交换格式,具有数据格式简单,读写方便易懂等很多优点。用它来进行前后端的数据传输,大大的简化了服务器和客户端的开发工作量。

如果说现在对json还没有什么概念的朋友,了解了以上内容之后,再了解一下它是字典形式的即可。一切存取操作如字典。

只是前后可能做点格式转换罢了。

来个例子熟悉一下:

{
"animals": {
"dog": [
{
"name": "Rufus",
"age":15
},
{
"name": "Marty",
"age": null
}
]
}
}

我们平时要去哪里找这种json格式的数据呢?网络抓包抓出来的就有很多是这样的,前面不是说了嘛。

Python中的Json模块

Python有自带的json模块,用的比较多的函数有如下:

json.dumps() 是将 python 对象转化为 json。

json.loads() 是将 json 转化为 python 对象。

如果你是用谷歌浏览器来看网页源码的话,你看到的json包那是相当之凌乱的啊,这时候我建议你先暂时切换到火狐来,就会看到如下格式的图:

打开我的收藏夹 -- Python数据分析杂谈_json_02

是不是会清晰很多、

获取json中的某个数据

如果我们要获取上面示例数据(test)中的某个元素,比方说,狗的名字,要如何操作呢?

dog_msg = json.loads(test)
for msg in dog_msg["animals"]["dog"]
print(msg["name"])

注意,在json数据里面,{} 是字典,[] 是列表。

Jpath

既然XML都有Xpath,那 json 就不配有自己的导航路径了吗?

那必须有啊,安排!!!

打开我的收藏夹 -- Python数据分析杂谈_python_03

接下来,我们使用Jpath来获取一下所有的狗的名字:

load_data = json.loads(dump_data)
data=load_data['animals']['dog']

for i in data:
# 从根节点开始,匹配name节点
print(jsonpath.jsonpath(i,'$..name')[0])

其中 $…name 代表从根节点开始,匹配name节点

numpy

numpy,底层运行的是C和C++的代码,但是上层使用的是python语言去写的。

考虑到不是所有小伙伴都学过C/C++,我还是简单介绍一下ndarray。

打开我的收藏夹 -- Python数据分析杂谈_python_04

list列表中可以存储不同的数据类型。ndarray数组中存储的所有的元素的类型,都必须一致。

使用ndarray创建数组的好处

ndarray好处在于:1、由于元数据(数据类型)只需要存储一份,所以可以更节省空间。2、由于每个元素的类型一致,就证明每个元素占用内存的大小是一致的,那么这样的数据的存储可以更紧凑,操作更高效。

numpy基本操作

创建numpy对象

import numpy as np

array1 = [1,2,3]
m = np.array(array1)
display(m)
array1 = np.arange(1,10,2)
display(array1)

arange()函数的步长,可以是浮点数,但是range()函数的步长,不能是浮点数

np.zeros((x,y)):生成一个x行y列的,元素都是0的二维数组;

np.ones((x,y)):生成一个x行y列的,元素都是1的二维数组;

np.full((x,y),value):生成一个x行y列的,元素都是value的二维数组,其中这个value值可以是整数(正整数,0,负整数)或者小数

and so on.

我也不知道为啥写了这么一个模块,但是既然写了就放这里吧。

文本数据去重

在做情感分析的时候,有时候需要对文本进行分词,做词频统计。

以“单字词”为例,进行原理说明:

打开我的收藏夹 -- Python数据分析杂谈_json_05

通过上图可以发现,进行词语句内去重,首先判断位置j到j+1位置的元素是否相等,如果相等,再判断j+1处的元素和j+2处的元素是否相等,这样依次进行下去。

不多说,直接上代码吧:

def func(st):
for i in range(1,int(len(st)/2)+1):
for j in range(len(st)):
if st[j:j+i] == st[j+i:j+2*i]:
k = j + i
while st[k:k+i] == st[k+i:k+2*i] and k<len(st):
k = k + i
st = st[:j] + st[k:]
return st

st = "我爱你我爱你我爱你好你好你好哈哈哈哈哈"
func(st)

数据采集方式

这几天都在陆陆续续的做数据采集,也感受到了采集数据的困难,所以还是有必要开这么一块儿的。

目前我所能了解到的比较好的数据采集方式如下:

1、日志,这个毋庸置疑了吧
2、政府网站:如国家统计局,我们之前做时间序列分析的课设就是那里找到。
此外还有:国家数据网等
3、私人数据网站,如:蝉妈妈等,这个需要经验。
4、咨询类公司数据报告,这个就是花钱买数据了。
5、数据竞赛网站:国内外都有许多著名的数据竞赛网站,在这里聚集了大量数据分析师,甚至是数据科学家。这些网站不仅提供了大量数据,也由于专业性的比赛,也是学习数据分析的好地方。
如:下方蓝字
6、开放API接口,如:下方蓝字
7、网络爬虫



举报

相关推荐

0 条评论