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。