【python】python指南（十二）：Json与dict、list互相转换

 

一、引言 

对于算法工程师来说，语言从来都不是关键，关键是快速学习以及解决问题的能力。大学的时候参加ACM/ICPC一直使用的是C语言，实习的时候做一个算法策略后台用的是php，毕业后做策略算法开发，因为要用spark，所以写了scala，后来用基于storm开发实时策略，用的java。至于python，从日常用hive做数据策略用python写udf，到基于tensorflow深度学习框架写python版的模型网络，再到现在实用pytorch做大模型。眼看着在语言纷争中，python的应用越来越广，开一个单独的专栏用于记录python中常用到的技巧，算是做笔记，没事翻出来看看。

dict、list是python中的字典、列表类型，json是字符串str类型。json的优势是易于理解，接口尝试用json作为请求格式进行传输。json和dict、list形态上非常相似，今天讲一下json与dict、list之间如何转换。

二、JSON转换方法

2.1 将Python对象转换为JSON字符串（序列化）

使用json.dumps()函数可以将Python的字典、列表等数据结构转换为JSON格式的字符串。例如：

import json

# Python字典
data = {
    "name": "John",
    "age": 30,
    "city": "New York"
}

# 转换为JSON字符串
json_data = json.dumps(data)
print(json_data)

输出：

{"name": "John", "age": 30, "city": "New York"}

2.2 将JSON字符串转换为Python对象（反序列化） 

使用json.loads()函数可以将JSON格式的字符串转换回Python的数据结构，如字典或列表。例如：

import json

# JSON字符串
json_data = '{"name": "John", "age": 30, "city": "New York"}'

# 转换为Python字典
data = json.loads(json_data)
print(data)

输出：

{'name': 'John', 'age': 30, 'city': 'New York'}

2.3 使用json模块处理文件 

json模块还提供了json.dump()和json.load()函数，用于直接从文件读写JSON数据，而无需先读取为字符串再转换。

 写入JSON数据到文件：

import json

data = {
    "name": "John",
    "age": 30,
    "city": "New York"
}

with open('data.json', 'w') as f:
    json.dump(data, f)

 从文件读取JSON数据：

import json

with open('data.json', 'r') as f:
    data = json.load(f)
print(data)

三、总结

通过这些函数，你可以轻松地在Python中处理JSON数据，无论是转换数据结构，还是读写文件。

《AI—工程篇》

AI智能体研发之路-工程篇（一）：Docker助力AI智能体开发提效

AI智能体研发之路-工程篇（二）：Dify智能体开发平台一键部署

AI智能体研发之路-工程篇（三）：大模型推理服务框架Ollama一键部署

AI智能体研发之路-工程篇（四）：大模型推理服务框架Xinference一键部署

AI智能体研发之路-工程篇（五）：大模型推理服务框架LocalAI一键部署

《AI-模型篇》

AI智能体研发之路-模型篇（一）：大模型训练框架LLaMA-Factory在国内网络环境下的安装、部署及使用

AI智能体研发之路-模型篇（二）：DeepSeek-V2-Chat 训练与推理实战

AI智能体研发之路-模型篇（三）：中文大模型开、闭源之争

AI智能体研发之路-模型篇（四）：一文入门pytorch开发

AI智能体研发之路-模型篇（五）：pytorch vs tensorflow框架DNN网络结构源码级对比

AI智能体研发之路-模型篇（六）：【机器学习】基于tensorflow实现你的第一个DNN网络

AI智能体研发之路-模型篇（七）：【机器学习】基于YOLOv10实现你的第一个视觉AI大模型

AI智能体研发之路-模型篇（八）：【机器学习】Qwen1.5-14B-Chat大模型训练与推理实战