Python读取JSON文件

教程前面章节曾介绍过 JSON 格式的数据，这种格式的数据通常会被转换为 Python 的 list 列表或 dict 字典。本节展示的是世界各国历年 GDP 总和，数据来源于 https://datahub.io 网站。数据格式如下：

[{"Country Code":"ARB","Country Name":"Arab World",

"Value":25760683041.0857,"Year":1968},

{"Country Code："ARB", "country Name":"Arab World",

"Value":28434203615.4829, "Year":1969},

...

]

上面的 JSON 格式数据被保存在方括号内，这些数据将会被转换为 Python 的 list 列表，而 list 列表的每个元素将会是一个 dict 对象。

使用 Python 的 json 模块读取 JSON 数据非常简单，只要使用 load() 函数加载 JSON 数据即可。下面程序示范了读取 2016 年中国的 GDP 值：

上面程序中，第 6 行代码调用 json 模块的 load() 函数加载 JSON 数据，该函数将会返回一个 list 列表，接下来程序遍历该 list 列表即可访问到指定年份、指定国家的 GDP 值。

运行上面程序，可以看到如下输出结果：

China 11199145157649.2

在掌握了使用 json 模块读取这份 JSON 数据的方法之后，接下来我们将会从中读取从 2001 年到 2016 年中国、美国、日本、俄罗斯、加拿大这 5 个国家的 GDP 数据，并使用柱状图进行对比。

下面程序将会使用 Matplotlib 生成柱状图来展示这 5 个国家的 GDP 数据：

本程序的重点其实在于前半部分代码，这部分代码控制程序从 JSON 数据中只读取中国、美国、日本、俄罗斯、加拿大这 5 个国家的数据，且只读取从 2001 年到 2016 年的 GDP 数据，因此程序处理起来稍微有点麻烦（程序先以年份为 key 的 dict（如程序中 country_gdps 列表的元素所示）来保存各国的 GDP 数据。

但由于 Matplotlib 要求被展示数据是 list 列表，因此上面程序中的第 26、28 两行代码使用循环依次读取从 2001 年到 2016 年的 GDP 数据，并将这些数据添加到 country_gdp_list 列表的元素中。这样就把 dict 形式的 GDP 数据转换成 list 形式的 GDP 数据。

上面程序中的第 35、37 两行代码采用循环添加了 5 组柱状图，接下来程序还在中国、美国的条柱上绘制了 GDP 值。

运行上面程序，可以看到如图 1 所示的柱状图。

图 1 从 2001 年到 2016 年各国GDP 对比柱状图

如果通过 https://datahub.io 网站下载了世界各国人口数据，就可以计算出以上各国的人均 GDP。下面程序会使用 Pygal 来展示世界各国的人均 GDP 数据。

上面程序中，第 11 行代码加载了一份新的关于人口数据的 JSON 文件，这样程序即可通过该文件获取世界各国历史的人口数据。第 28 行代码使用 GDP 总值除以该国的人口数量，这样就可以得到该国的人均 GDP。

此程序的后半部分代码创建了 pygal.Bar 对象，并使用循环为该对象添加了各国人均 GDP 数据，这样该柱状图就可以展示各国的人均 GDP 值。

运行上面程序，可以看到如图 2 所示的柱状图。

图 2 从 2001 年到 2016 年各国人均 GDP 对比柱状图