本文目录一览：

• 1、常用的python库有哪些
• 2、Python中除了matplotlib外还有哪些数据可视化的库
• 3、python"高维数据"可视化用什么库
• 4、【Python】浅谈python中的json
• 5、Python爬虫（七）数据处理方法之JSON

常用的python库有哪些

10个顶级且实用的python库

1、Dash

Dash是比较新的软件包，它是用纯python构建数据可视化app的理想选择，因此特别适合处理数据的任何人。Dash是Flask、Plotly.js和React.js的混合体。

2、Pygame

Pygame是SDL多媒体库的python装饰器，SDL是一个跨平台开发库，旨在提供对以下内容的低级接口：音频、键盘、鼠标、游戏杆、基于OpenGL和Direct3D的图形硬件。

Pygame具有高度的可移植性，几乎可以在所有平台和操作系统上运行。尽管它具有完善的游戏引擎，但您也可以使用此库直接从python脚本播放MP3文件。

3、Pillow

Pillow专门用于处理图像，您可以使用该库创建缩略图，在文件格式之间转换、旋转、应用滤镜、显示图像等等。如果您需要对许多图像执行批量操作，这是理想的选择。

4、Colorama

Colorama允许你在终端使用颜色，非常适合python脚本，文档简短而有趣，可以在Colorama PyPi页面上找到。

5、JmesPath

在python中使用JSON非常容易，因为JSON在python字典上的映射非常好。此外，python带有自己出色的json库，用于解析和创建JSON。对我来说，这是它最好的功能之一，如果我需要使用JSON，可以考虑使用python。

JmesPath使python处理JSON更加容易，它允许您明确地指定如何从JSON文档中提取元素。

6、Requests

Requests建立在世界上下载量最大的python库urllib3上，它令Web请求变得非常简单，功能强大且用途广泛。

Requests可以完成您能想到的所有高级工作，比如：认证，使用cookie，执行POST、PUT、DELETE等，使用自定义证书，使用会话Session、使用代理等。

7、Simplejson

python中的本地json模块有什么问题?没有!实际上，python的json是Simplejson。意思是：python采用了Simplejson的一个版本，并将其合并到每个发行版中，但是使用Simplejson具有一些优点：它适用于更多python版本、它比python随附的版本更新频率更高、它具有用C编写的部分，因此非常快速。

8、Emoji

Emoji库非常意思，但并非每个人都喜欢表情包，分析视角媒体数据时，Emoji包非常有用。

9、Python-dateutil

Python-dateutil模块提供了对标准datetime模块的强大扩展。我的经验是：常规的python日期时间功能在哪里结束，而Python-dateutil就出现了。

10、BeautifulSoup

如果您从网站上提取了一些HTML，则需要对其进行解析以获取实际所需的内容。BeautifulSoup是一个python库，用于从HTML和XML文件中提取数据。它提供了导航，搜索和修改解析树的简单方法。它非常强大，即使损坏了，也能够处理各种HTML，这是一个非常强大的功能。

它的一些主要功能：

①BeautifulSoup会自动将传入文档转换为Unicode，将传出文档转换为UTF-8，您无需考虑编码。

②BeautifulSoup位于流行的python解析器的顶部，使您可以尝试不同的解析策略或提高灵活性。

Python中除了matplotlib外还有哪些数据可视化的库

数据可视化是展示数据、理解数据的有效手段，常用的Python数据可视化库如下：

1.Matplotlib：第一个Python可视化库，有许多别的程序库都是建立在其基础上或者直接调用该库，可以很方便地得到数据的大致信息，功能非常强大，但也非常复杂。

2.Seaborn：利用Matplotlib，用简洁的代码来制作好看的图表，与Matplotlib最大的区别为默认绘图风格和色彩搭配都具有现代美感。

3.ggplot：基于R的一个作图库的ggplot2，同时利用了源于《图像语法》中的概念，允许叠加不同的图层来完成一幅图，并不适用于制作非常个性化的图像，为操作的简洁度而牺牲了图像的复杂度。

4.Bokeh：与ggplot很相似，但与ggplot不同之处为它完全基于Python而不是从R处引用。长处在于能用于制作可交互、可直接用于网络的图表。图表可以输出为JSON对象、HTML文档或者可交互的网络应用。

5.Plotly：可以通过Python notebook使用，与bokeh一样致力于交互图表的制作，但提供在别的库中几乎没有的几种图表类型，如等值线图、树形图和三维图表。

6.pygal：与Bokeh和Plotly一样，提供可直接嵌入网络浏览器的可交互图像。与其他两者的主要区别在于可将图表输出为SVG格式，所有的图表都被封装成方法，且默认的风格也很漂亮，用几行代码就可以很容易地制作出漂亮的图表。

7.geoplotlib：用于制作地图和地理相关数据的工具箱。可用来制作多种地图，比如等值区域图、热度图、点密度图等，必须安装Pyglet方可使用。

8.missingno：用图像的方式快速评估数据缺失的情况，可根据数据的完整度对数据进行排序或过滤，或者根据热度图或树状图对数据进行修正。

python"高维数据"可视化用什么库

常见的Python可视化库有哪些？

Matplotlib

Matplotlib是一个Python 2维绘图库，已经成为Python中公认的数据可视化工具，通过Matplotlib你可以很轻松地画一些或简单或复杂地图形，几行代码即可生成线图、直方图、功率谱、条形图、错误图、散点图等等。

Seaborn

Seaborn是基于Mtplotlib产生的一个模块，专攻于统计可视化，可以和pandas进行无缝链接，使初学者更容易上手。相对于Matplotlib，Seaborn语法更简洁，两者关系类似于NumPy、和Pandas之间的关系。

HoloViews

HoloViews是一个开源的Python库，可以用非常少的代码行中完成数据分析和可视化，除了默认的Matplotlib后端外，还添加了一个Bokeh后端。Bokeh提供了一个强大的平台，通过结合Bokeh提供的交互式小部件，可以使用HTML5 canvas和WebGL快速生成交互性和高维可视化，非常适合于数据的交互式探索。

Altair

Altair是Python的一个公认的统计可视化库，它的API简单、友好、一致，并建立在强大的vega-lite（交互式图形语法）之上。Altair API不包含实际的可视化呈现代码，而是按照vega-lite规范发出JSON数据结构。由此产生的数据可以在用户界面中呈现，这种优雅的简单性产生了漂亮且有效的可视化效果，且只需很少的代码。

ggplot

ggplot是基于R的ggplot2和图形语法的Python的绘图系统，实现了更少的代码绘制更专业的图形。

它使用一个高级且富有表现力的API来实现线，点等元素的添加，颜色的更改等不同类型的可视化组件的组合或添加，而不需要重复使用相同的代码，然而这对那些试图进行高度定制的的来说，ggplot并不是最好的选择，尽管它也可以制作一些非常复杂、好看的图形。

Bokeh

Bokeh是一个Python交互式可视化库，支持现代化Web浏览器展示。它提供风格优雅、简洁的D3.js的图形化样式，并将此功能扩展到高性能交互的数据集，数据流上。使用Bokeh可以快速便捷地创建交互式绘图、仪表板和数据应用程序等。

Bokeh能与NumPy、Pandas，Blaze等大部分数组或表格式的数据结构完美结合。

【Python】浅谈python中的json

一 前言  

   最近一直在做开发相关的工作--基于Django的web 平台，其中需要从model层传输数据到view 层做数据展示或者做业务逻辑处理。我们采用通用的Json格式--Json(JavaScript Object Notation) 是一种轻量级的数据交换格式，易于阅读和程序解析。

二 认识Json

   2.1 Json 结构

   常见的Json格式为 “名称/值”对的集合,其中 值可以是对象，列表，字典，字符串等等。比如

backup_data = {"back_to_host": "dbbk0",

"ip_address": "10.10.20.3",

"host_name": "rac4",

"port": 3306}

  2.2 使用Json

  Python的Json模块序列化与反序列化的过程分别是 编码和解码。这两个过程涉及到两组不同的函数

  编码 把一个Python对象编码转换成Json字符串，json.dumps(data)/json.dump(data,file_handler)

  解码 把Json格式字符串解码转换成Python对象，json.loads(data)/json.load(file_handler)

  在python中要使用Json模块做相关操作，必须先导入:

import Json

  2.3 主要函数

  编码函数主要有 json.dumps(data)/json.dump(data,file_handler)

   json.dumps()的参数是将python对象转换为字符串，如使用json.dumps序列化的对象json_dumps=json.dumps({'a':1, 'b':2}) ，json_dumps='{"b": 2, "a": 1}'

   json.dump 是将内置类型序列化为json对象后写入文件。

 解码函数主要由json.loads(data)/json.load(file_handler)  

    json.loads的参数是内存对象，把Json格式字符串解码转换成Python对象,json_loads=json.loads(d_json)  #{ b": 2, "a": 1}，使用load重新反序列化为dict

    json.load()的参数针对文件句柄，比如本地有一个文件/tmp/test.json  json_load=json.load(open('/tmp/test.json'))

具体案例参考如下:

In [3]: data={"back_to_host": "rac1",

...: "ip_address": "10.215.20.3",

...: "host_name": "rac3",

...: "port": 3306}

In [7]: json_str=json.dumps(data)

In [8]: print json_str

{"ip_address": "10.215.20.3", "back_to_host": "rac1", "host_name": "rac3", "port": 3306}

In [9]: json_loads=json.load(json_str)

---------------------------------------------------------------------------

AttributeError Traceback (most recent call last)

ipython-input-9-180506f16431 in module()

---- 1 json_loads=json.load(json_str)

/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/json/__init__.pyc in load(fp, encoding, cls, object_hook, parse_float, parse_int, parse_constant, object_pairs_hook, **kw)

284

285 ""

注意 从上面的报错信息来看 json.loads 传参是字符串类型，并不是文件句柄，没有 read()属性。

In [10]: json_loads=json.loads(json_str)

In [11]: print json_loads

{u'back_to_host': u'rac1', u'ip_address': u'10.215.20.3', u'host_name': u'rac3', u'port': 3306}

In [12]: type(json_loads)

Out[12]: dict

In [13]: type(json_str)

Out[13]: str

利用dump 将数据写入 dump.json

In [17]: with open('/tmp/dump.json','w') as f:

...: json.dump(json_str,f)

...:

yangyiDBA:~ yangyi$ cat /tmp/dump.json

"{\"ip_address\": \"10.10.20.3\", \"back_to_host\": \"rac1\", \"host_name\": \"rac3\", \"port\": 3306}"

yangyiDBA:~ yangyi$

利用json.load 将dump.sjon的数据读出来并赋值给 data 

In [18]: with open('/tmp/dump.json','r') as f:

...: data=json.load(f)

...:

In [19]: print data

{"ip_address": "10.10.20.3", "back_to_host": "rac1", "host_name": "rac3", "port": 3306}

三 小结

  本文算是一篇学习笔记，主要对比了json.loads/json.load  , json.dumps/ json.dump 的使用差异 ，方便以后更好的使用json 。

以上为本次分享内容，感谢观看。

Python爬虫（七）数据处理方法之JSON

JSON 指的是 JavaScript 对象表示法（JavaScript Object Notation），是轻量级的文本数据交换格式，且具有自我描述性，更易理解。

JSON看起来像python类型（列表，字典）的字符串。

在之前的文章中，我们说到了怎么用response的方法，获取到网页正确解码后的字符串。如果还有不懂的，可以先阅读 Python爬虫（三）Requests库 。接下来以有道翻译为例子，说说怎么通过网页解码后的字符串，提取到翻译结果。

再结合上述有道翻译的例子，得到字典类型的返回结果，并提取出来翻译结果。

将上述例子的dict_json换成str字符串，再写入文本中。

执行完上述的程序，会得到一个fanyi.txt的文件，其结果如下：{"type": "ZH_CN2EN", "errorCode": 0, "elapsedTime": 1, "translateResult": [[{"src": "\u4eba\u751f\u82e6\u77ed\uff0c\u6211\u7528python", "tgt": "Life is too short, I use python"}]]}。这样子的一份文档，中文部分显示的是二进制，且格式非常不利于阅读，这并不是我们想要的结果。好在json.dumps()为我们提供的两个方法，以帮助我们更好阅读文档。

1.ensure_ascii，能够让中文显示成中文；

2.indent，能够让下一行在第一行的基础上空格。

其用法如下：