一、JSON 数据准备
首先准备一份 JSON 数据,这份数据共有 3560 条内容,每条内容结构如下:
本示例主要是以 tz(timezone 时区) 这一字段的值,分析这份数据里时区的分布情况。
二、将 JSON 数据转换成 Python 字典
代码如下:
三、统计 tz 值分布情况,以“时区:总数”的形式生成统计结果
要想达到这一目的,需要先将 records 转换成 DataFrame,DataFrame 是 Pandas 里最重要的数据结构,它可以将数据以表格的形式表示;然后用 value_counts() 方法汇总:
四、根据统计结果生成条形图
生成条形图之前,为了数据的完整,可以给结果中缺失的时区添加一个值(这里用Missing表示),而每条时区内容里缺失的值也需要添加一个未知的值(这里用Unknown表示):
然后使用 plot() 方法既可生成条形图:
到这里就是一个完整的处理 JSON 数据生成统计结果和条形图的例子;不过还可以对这份统计结果进行进一步的处理,以得到更加详细的结果。
每条数据里还有一个 agent 值,即浏览器的 USER_AGENT 信息,通过这一信息可以得知所使用的操作系统,所以对上一步生成的统计结果还可以按操作系统的不同加以区分。
agent 值:
五、将条形图以操作系统(Windows/非Windows)加以区分
不是所有的数据都有 a 这个字段,首先过滤掉没有 agent 值的数据;
然后根据时区和操作系统列表对数据分组,然后
对分组结果进行计数:
最后选择出现次数最多的10个时区的数据
生成一张条形图:
这样就得到了以不同操作系统加以区分的条形图统计结果:
接下来一篇随笔内容是:利用 Python 进行数据分析(三)使用 IPython 提高开发效率,有兴趣的朋友欢迎关注本博客,也欢迎大家添加评论进行讨论。