一、JSON 數(shù)據(jù)準備

首先準備一份 JSON 數(shù)據(jù)，這份數(shù)據(jù)共有 3560 條內(nèi)容，每條內(nèi)容結構如下：

本示例主要是以 tz（timezone 時區(qū)） 這一字段的值，分析這份數(shù)據(jù)里時區(qū)的分布情況。

二、將 JSON 數(shù)據(jù)轉換成 Python 字典

代碼如下：

三、統(tǒng)計 tz 值分布情況，以“時區(qū):總數(shù)”的形式生成統(tǒng)計結果

要想達到這一目的，需要先將 records 轉換成 DataFrame，DataFrame 是 Pandas 里最重要的數(shù)據(jù)結構，它可以將數(shù)據(jù)以表格的形式表示；然后用 value_counts() 方法匯總：

四、根據(jù)統(tǒng)計結果生成條形圖

生成條形圖之前，為了數(shù)據(jù)的完整，可以給結果中缺失的時區(qū)添加一個值（這里用Missing表示），而每條時區(qū)內(nèi)容里缺失的值也需要添加一個未知的值（這里用Unknown表示）：

然后使用 plot() 方法既可生成條形圖：

到這里就是一個完整的處理 JSON 數(shù)據(jù)生成統(tǒng)計結果和條形圖的例子；不過還可以對這份統(tǒng)計結果進行進一步的處理，以得到更加詳細的結果。

每條數(shù)據(jù)里還有一個 agent 值，即瀏覽器的 USER_AGENT 信息，通過這一信息可以得知所使用的操作系統(tǒng)，所以對上一步生成的統(tǒng)計結果還可以按操作系統(tǒng)的不同加以區(qū)分。

agent 值：

五、將條形圖以操作系統(tǒng)（Windows/非Windows）加以區(qū)分

不是所有的數(shù)據(jù)都有 a 這個字段，首先過濾掉沒有 agent 值的數(shù)據(jù)； 然后根據(jù)時區(qū)和操作系統(tǒng)列表對數(shù)據(jù)分組，然后 對分組結果進行計數(shù)：

最后選擇出現(xiàn)次數(shù)最多的10個時區(qū)的數(shù)據(jù) 生成一張條形圖：

這樣就得到了以不同操作系統(tǒng)加以區(qū)分的條形圖統(tǒng)計結果：

以上就是Python處理JSON數(shù)據(jù)并生成條形圖的全部內(nèi)容，希望本文對大家學習Python和JSON都能有所幫助。