1. 讀寫JSON

JSON與字典相似，由鍵值對構(gòu)成。

對于JSON的格式化處理：
①菜鳥工具：https://c.runoob.com/front-end/53/
②JsonLint：https://jsonlint.com/
③BEJSON：https://www.bejson.com/

示例JSON文件：歷年諾貝爾獎?https://api.nobelprize.org/v1/prize.json

使用pd.read_json()。一級key為prizes，對應(yīng)的值為列表：

選取列表中的索引2：

得到列表該索引處的字典：

將字典規(guī)范化（normalize）為表格：pd.json_normalize()

但是字典中的laureates對應(yīng)的字典還在：

進一步將其規(guī)范化，并將需要保留的"year", "category"傳遞給meta參數(shù)：

laureates成功被拆分：

但是，不能急著將data = chemistry_2019 = nobel.loc[0, "prizes"]改成data?=?nobel["prizes"]，因為有的行中并沒有l(wèi)aureates。自諾貝爾文學獎設(shè)立以來，瑞典學院共有7次停頒此獎，時間分別：1914年、1918年、1935年、1940年、1941年、1942年和1943年。例如1940年：

因此字典中缺少laureates相應(yīng)的鍵值對?？赏ㄟ^.setdefault("laureates", [])設(shè)置"laureates"對應(yīng)空值：

現(xiàn)在就可以寫data?=?nobel["prizes"]了：

使用.to_json把表格轉(zhuǎn)化成Json。

orient = "records"得到由多個字典組成的列表：

orient = "split"得到由三個字典組成的列表，第一個是列名"columns"，第二個是行名（索引）"index"，第三個是數(shù)據(jù)"data"：

如果需要保存為文件，把文件名傳遞給第一個參數(shù)：

2. 讀寫CSV

示例CSV文件：紐約市新生嬰兒信息?http://mng.bz/MgzQ

這個應(yīng)該是個短鏈接網(wǎng)站。該鏈接可以獲得URL，用于CSV文件輸入：https://data.cityofnewyork.us/api/views/25th-nujf/rows.csv

pd.read_csv()讀取CSV：

to_csv()轉(zhuǎn)為CSV：（012345的默認索引也會被被轉(zhuǎn)）

使用index = False去除默認索引：

選取指定列，保存CSV：

3. 環(huán)境的安裝和配置

在anaconda prompt查看anaconda中所有可用的環(huán)境及其位置：

base是基礎(chǔ)自帶的，py37是我之前自己建立的：

conda info的幫助界面：

環(huán)境的創(chuàng)建：

也可在Anaconda Navigator管理環(huán)境：

4.?讀寫Excel

不推薦使用anaconda的base環(huán)境。

如果是新環(huán)境，記得安裝xlrd和openpyxl：

直接讀：

選取指定列，設(shè)置指定索引：

多工作表的工作簿，默認導入第一個表：

sheet_name = None則能得到一個字典：

指定表：

兩個工作表寫入一個工作簿示例：