json モジュール
json は、C と Python 間など、言語間での異なる言語間でのデータ交換に使用されます。 Pickle は Python と Python 間のデータ交換にのみ使用できます。
シリアル化と逆シリアル化
オブジェクト (変数) をメモリから保存可能または転送可能に変更するプロセスはシリアル化と呼ばれ、Python では pickling と呼ばれ、他の言語では pickling と呼ばれます。シリアル化、マーシャリング、フラット化などと呼ばれ、すべて同じ意味です。シリアル化後、シリアル化されたコンテンツをディスクに書き込んだり、ネットワーク経由で他のマシンに送信したりできます。次に、変数の内容をシリアル化されたオブジェクトからメモリに再読み取ることを、逆シリアル化、つまりアンピックリングと呼びます。
異なるプログラミング言語間でオブジェクトを転送したい場合は、オブジェクトを XML などの標準形式にシリアル化する必要がありますが、JSON は文字列として表現されるため、より良い方法は JSON にシリアル化することです。すべての言語で読むことができ、簡単にディスクに保存したり、ネットワーク経由で送信したりできます。 JSON は標準形式であり、XML よりも高速であるだけでなく、Web ページで直接読み取ることもできるため、非常に便利です。
JSON で表されるオブジェクトは、標準の JavaScript 言語オブジェクトです。JSON と Python の間で対応するデータ型は次のとおりです。ファイル Data-Dictionary
dic =' {‘string1':'hello'}' #写文件只能写入字符串 - 手动把字典变成字符串 f = open(‘hello', ‘w') f.write(dic)
f_read = open(‘hello', ‘r') data = f_read.read() #从文件中读出的都是字符串 data = eval(data) #提取出字符串中的字典 print(data[‘name'])
json は上記の関数を実装します - json は任意の言語でデータを送信できます
dic = {‘string1':'hello'} data = json.dumps(dic) print(data) print(type(data)) #dumps()会把我们的变量变成一个json字符串 f = open(“new_hello”, “w”) f.write(data)json 文字列と手動で追加した文字列 ’’ には違いがあります。これは json 文字列仕様に従います。つまり、文字列は二重引用符で囲まれます。 ダンプは、渡したデータ型を二重引用符で囲まれた文字列に変換します。
# {‘string1':'hello'} ---> “{“string1”:”hello”}” # 8 ---> “8” # ‘hello' ---> ““hello”” – 被json包装后的数据内部只能有双引号 #[1, 2] ---> “[1, 2]”保存または送信するときに、データを json 文字列に変換します。これにより、一般的な言語を実現できます
f_read = open(“new_hello”, “r”) data = json.loads(f_read.read()) #这个data直接就是字典类型 print(data) print(type(data))json モジュールのメソッド
json.dumps() # 把数据包装成json字符串 – 序列化 json.loads() # 从json字符串中提取出原来的数据 – 反序列化C で json 解析を使用する場合、リスト l = [1, 2, 3] を Python の json 文字列にラップし、保存または送信します。 C 言語の対応するデータ構造を取得します。抽出されたデータは配列 buf[3] = {1, 2, 3} です。 これは、ダンプとロードを一緒に使用しなければならないという意味ではありません。json 文字列が json 仕様に準拠している限り、データ構造の処理と抽出にロードを使用できます。ダンプが有効であるかどうかは関係ありません。使用されているかどうか。
json.dump(data, f) #转换成json字符串并写入文件
#相当于 data = json.dumps(dic) + f.write(data)
data = json.load(f) #先读取文件,再提取出数据
#相当于data = json.loads(f_read.read())
例: #----------------------------序列化 import json dic={'name':'alvin','age':23,'sex':'male'} print(type(dic))#<class 'dict'> j=json.dumps(dic) print(type(j))#<class 'str'> f=open('序列化对象','w') f.write(j) #-------------------等价于json.dump(dic,f) f.close()
#-----------------------------反序列化<br> import json f=open('序列化对象') data=json.loads(f.read())# 等价于data=json.load(f)注:
import json #dct="{'1':111}"#json 不认单引号 #dct=str({"1":111})#报错,因为生成的数据还是单引号:{'one': 1} dct='{"1":"111"}' print(json.loads(dct))データの作成方法に関係なく、データが json 形式を満たしている限り、json.loads 形式で出力することができます。必ずしもダンプである必要はなく、データをロードできます。 pickle モジュールPickle の問題は、他のすべてのプログラミング言語に特有のシリアル化の問題と同じです。つまり、Python でのみ使用でき、バージョンが異なる可能性があります。 Python の 2 つは相互に互換性がないため、Pickle を使用できるのは重要でないデータの保存のみであり、正常に逆シリアル化できなくても問題ありません。
##----------------------------序列化 import pickle dic={'name':'alvin','age':23,'sex':'male'} print(type(dic))#<class 'dict'> j=pickle.dumps(dic) print(type(j))#<class 'bytes'> f=open('序列化对象_pickle','wb')#注意是w是写入str,wb是写入bytes,j是'bytes' f.write(j) #-------------------等价于pickle.dump(dic,f) f.close()
#-------------------------反序列化 import pickle f=open('序列化对象_pickle','rb') data=pickle.loads(f.read())# 等价于data=pickle.load(f) print(data['age'])pickle と json の使い方は同じで、学名は両方ともシリアライゼーションと呼ばれますが、json のシリアル化の結果は文字列であり、pickle のシリアル化の結果はバイトです。つまり、形式は異なりますが、内容は同じですが、pickle でシリアル化されるのはバイト、つまりファイルに書き込まれるデータはバイトなので、open がファイルを開くときは、 wb バイナリの形式で開くことができます。 pickle でファイルに書き込まれた内容は読めません(文字が乱れていますが、コンピュータは認識できます)が、json で書き込まれたデータは読み取れます。 pickle はより多くのデータ型をサポートし、pickle は関数とクラスをシリアル化できます。 json はこれら 2 つのシリアル化をサポートしていませんが、json は依然としてほとんどのシナリオで使用されます。
以上がPythonのjsonモジュールとpickleモジュールの使い方の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

numpyarraysarasarebetterfornumeroperations andmulti-dimensionaldata、whilethearraymoduleissuitable forbasic、1)numpyexcelsinperformance and forlargedatasentassandcomplexoperations.2)thearraymuremememory-effictientivearientfa

NumPyArraySareBetterforHeavyNumericalComputing、whilethearrayarayismoreSuitableformemory-constrainedprojectswithsimpledatatypes.1)numpyarraysofferarays andatiledance andpeperancedatasandatassandcomplexoperations.2)thearraymoduleisuleiseightweightandmemememe-ef

ctypesallowsinging andmanipulatingc-stylearraysinpython.1)usectypestointerfacewithclibrariesforperformance.2)createc-stylearraysfornumericalcomputations.3)passarraystocfunctions foreffientientoperations.how、how、becuutiousmorymanagemation、performanceo

Inpython、「リスト」は、「リスト」、自由主義的なもの、samememory効率が高く、均質な偶然の瞬間の想起された「アレイ」の「アレイ」の「アレイ」の均質な偶発的な想起されたものです

pythonlistsandarraysaraybothmutable.1)listsareflexibleandsupportheTeterdatabutarlessmemory-efficient.2)Arraysaremorememory-efficientiant forhomogeneousdative、ressivelessatile、ressing comerttytytypecodeusageodoavoiderorors。

PythonとCにはそれぞれ独自の利点があり、選択はプロジェクトの要件に基づいている必要があります。 1)Pythonは、簡潔な構文と動的タイピングのため、迅速な開発とデータ処理に適しています。 2)Cは、静的なタイピングと手動メモリ管理により、高性能およびシステムプログラミングに適しています。

PythonまたはCの選択は、プロジェクトの要件に依存します。1)迅速な開発、データ処理、およびプロトタイプ設計が必要な場合は、Pythonを選択します。 2)高性能、低レイテンシ、および緊密なハードウェアコントロールが必要な場合は、Cを選択します。

毎日2時間のPython学習を投資することで、プログラミングスキルを効果的に改善できます。 1.新しい知識を学ぶ:ドキュメントを読むか、チュートリアルを見る。 2。練習:コードと完全な演習を書きます。 3。レビュー:学んだコンテンツを統合します。 4。プロジェクトの実践:実際のプロジェクトで学んだことを適用します。このような構造化された学習計画は、Pythonを体系的にマスターし、キャリア目標を達成するのに役立ちます。


ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

EditPlus 中国語クラック版
サイズが小さく、構文の強調表示、コード プロンプト機能はサポートされていません

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

Dreamweaver Mac版
ビジュアル Web 開発ツール

MinGW - Minimalist GNU for Windows
このプロジェクトは osdn.net/projects/mingw に移行中です。引き続きそこでフォローしていただけます。 MinGW: GNU Compiler Collection (GCC) のネイティブ Windows ポートであり、ネイティブ Windows アプリケーションを構築するための自由に配布可能なインポート ライブラリとヘッダー ファイルであり、C99 機能をサポートする MSVC ランタイムの拡張機能が含まれています。すべての MinGW ソフトウェアは 64 ビット Windows プラットフォームで実行できます。

ホットトピック









