022.Python模块序列化模块（json，pickle）和math模块

序列化模块

一  序列化模块 pickle

1.1 基本认识

1. 序列化:把不能够直接存储的数据变成可存储的过程就是序列化
2. 反序列化:把储存的数据拿出来恢复成原来的数据类型就是反序列化

例如，一个文件不可以写的数据

[root@node10 python]# cat test.py
with open('0209.txt',mode="w",encoding="utf-8") as fp:
        fp.write(123)

执行

使用列表

with open('0209.txt',mode="w",encoding="utf-8") as fp:
        fp.write([1,2,3,4])

执行报错

换成字典

with open('0209.txt',mode="w",encoding="utf-8") as fp:
        fp.write({"a":1,"b":2})

执行

[root@node10 python]# python3 test.py
Traceback (most recent call last):
  File "test.py", line 2, in <module>
    fp.write({"a":1,"b":2})
TypeError: write() argument must be str, not dict

只能写的只能是字符串或者字节流

对于不能写入文件的数据，只有序列化才能写入php的序列化使用（serialize）反序列化（unserialize）

1.2 使用pickle模块

dumps 把任意对象序列化成一个bytes

import pickle   #引入模块  引入pickle模块
#dumps 把任意对象序列化成一个bytes
dic = {"a":1,"b":2}
res = pickle.dumps(dic)
print(res)

执行

[root@node10 python]# python3 test.py
b'\x80\x03}q\x00(X\x01\x00\x00\x00aq\x01K\x01X\x01\x00\x00\x00bq\x02K\x02u.'

loads 把任意bytes反序列化成原来数据

import pickle
#dumps 把任意对象序列化成一个bytes
dic = {"a":1,"b":2}
res = pickle.dumps(dic)
print(res)

res = pickle.loads(res)
print(res,type(res))

执行

[root@node10 python]# python3 test.py
b'\x80\x03}q\x00(X\x01\x00\x00\x00aq\x01K\x01X\x01\x00\x00\x00bq\x02K\x02u.'
{'a': 1, 'b': 2} <class 'dict'>

函数序列化

import pickle
def func():
        print("我是一个函数")
res = pickle.dumps(func)
print(res)
print("<==>")
res = pickle.loads(res)
res()

执行

[root@node10 python]# python3 test.py
b'\x80\x03c__main__\nfunc\nq\x00.'
<==>
我是一个函数

迭代器序列化

import pickle
from collections import Iterator,Iterable
it = iter(range(10))
print(isinstance(it,Iterator))
res = pickle.dumps(it)
print(res)
res = pickle.loads(res)
print(res)
for i in range(3):
        print(next(res))

执行

[root@node10 python]# python3 test.py
True
b'\x80\x03cbuiltins\niter\nq\x00cbuiltins\nrange\nq\x01K\x00K\nK\x01\x87q\x02Rq\x03\x85q\x04Rq\x05K\x00b.'
<range_iterator object at 0x7f6618065cc0>
0
1
2

所有的数据类型都可以通过pickle进行序列化

dump  把对象序列化后写入到file-like Object(即文件对象)

import pickle
dic = {"a":1,"b":2}
with open("0209_1.txt",mode="wb") as fp:
        # pickle.dump(数据类型,文件对象) 先把数据变成二进制字节流 在存储在文件当中
        pickle.dump(dic,fp)

#load  把file-like Object(即文件对象)中的内容拿出来,反序列化成原来数据
with open("0209_1.txt",mode="rb") as fp:
        res = pickle.load(fp)
print(res)

执行

[root@node10 python]# python3 test.py
{'a': 1, 'b': 2}
[root@node10 python]# cat 0209_1.txt
▒}q(XaqKXbqKu.

二  json模块

2.1 基本认识

json 的功能也是序列化,不过他序列化的最终结果是一个字符串

不同的语言之间,进行数据交流都使用json数据格式
所有语言都能够识别的数据格式叫做json ,json数据格式
python 中能够使用json格式的数据类型 只有如下:int float bool str list tuple dict None [不包含complex set]
语言和语言之间的交流用json(字符串)
数据之间的传输和存储用pickle(二进制字节流)

2.2 序列话字符串

第一对 dumps 和 loads 把数据序列化或者反序列化成字符串

import json
dic = {"name":"刘铁蛋","age":18,"sex":"女性","family":["father","妈妈"],"agz":1}
res = json.dumps(dic)
print(res,type(res))

执行

{
"name": "\u5218\u94c1\u86cb", 
"age": 18, 
"sex": "\u5973\u6027", 
"family": ["father", "\u5988\u5988"], 
"agz": 1
} 
<class 'str'>

识别中文编码

1. ensure_ascii=True (默认值) 如果想要显示中文 如下:ensure_ascii = False
2. sort_keys=False 对字典的键进行排序 (会按照ascii 字符的从小到大进行排序)

import json
dic = {"name":"刘铁蛋","age":18,"sex":"女性","family":["father","妈妈"],"agz":1}
res = json.dumps(dic,ensure_ascii=False,sort_keys=True)
print(res,type(res))

执行

[root@node10 python]# python3 test.py
{
"age": 18, 
"agz": 1, 
"family": ["father", "妈妈"], 
"name": "刘铁蛋", 
"sex": "女性"
} 
<class 'str'>

2.3 数据存储转化

第二对 dump  和 load  应用在数据的存储的转化上

import json
dic = {"name":"刘铁蛋","age":18,"sex":"女性","family":["father","妈妈"],"agz":1}
with open("0209_2.txt",mode="w",encoding="utf-8") as fp:
    json.dump(dic,fp,ensure_ascii=False)

with open("0209_2.txt",mode="r",encoding="utf-8") as fp:
    res = json.load(fp)
print(res,type(res))

执行

[root@node10 python]# python3 test.py
{'name': '刘铁蛋', 'age': 18, 'sex': '女性', 'family': ['father', '妈妈'], 'agz': 1} <class 'dict'>
[root@node10 python]# cat 0209_2.txt
{"name": "刘铁蛋", "age": 18, "sex": "女性", "family": ["father", "妈妈"], "agz": 1}

2.4 pickle  和 json 之间的用法区别

1. json 可以连续dump , 但是不能连续load , load是一次性拿出所有数据而不能识别.
2. 可以使用loads ,一行一行的读取,一行一行的通过loads来转化成原有数据类型

json

import json
dic = {"name":"刘铁蛋","age":18,"sex":"女性","family":["father","妈妈"],"agz":1}
with open("0209_3.txt" , mode="w",encoding="utf-8") as fp:
        json.dump(dic,fp)
        fp.write('\n')
        json.dump(dic,fp)
        fp.write('\n')

print("<===>")
with open("0209_3.txt" ,mode="r",encoding="utf-8") as fp:
        # load 是一次性把所有的数据拿出来,进行识别
        # load 不能识别多个数据混在一起的情况
        # 用loads 来解决load 不能识别多个数据的情况
        # res = json.load(fp)
        for  i  in fp:
                print(i,type(i))
                res = json.loads(i)
                print(res,type(res))

# print(res)

执行

[root@node10 python]# python3 test.py
<===>
{"name": "\u5218\u94c1\u86cb", "age": 18, "sex": "\u5973\u6027", "family": ["father", "\u5988\u5988"], "agz": 1}
 <class 'str'>
{'name': '刘铁蛋', 'age': 18, 'sex': '女性', 'family': ['father', '妈妈'], 'agz': 1} <class 'dict'>
{"name": "\u5218\u94c1\u86cb", "age": 18, "sex": "\u5973\u6027", "family": ["father", "\u5988\u5988"], "agz": 1}
 <class 'str'>
{'name': '刘铁蛋', 'age': 18, 'sex': '女性', 'family': ['father', '妈妈'], 'agz': 1} <class 'dict'>
[root@node10 python]# cat 0209_3.txt
{"name": "\u5218\u94c1\u86cb", "age": 18, "sex": "\u5973\u6027", "family": ["father", "\u5988\u5988"], "agz": 1}
{"name": "\u5218\u94c1\u86cb", "age": 18, "sex": "\u5973\u6027", "family": ["father", "\u5988\u5988"], "agz": 1}

pickle

dic = {"name":"刘铁蛋","age":18,"sex":"女性","family":["father","妈妈"],"agz":1}
import pickle
with open("0209_4.txt",mode="wb") as fp:
    pickle.dump(dic,fp)
    pickle.dump(dic,fp)
    pickle.dump(dic,fp)
    pickle.dump(dic,fp)
with open("0209_4.txt",mode="rb") as fp:
    res = pickle.load(fp)
    print(res)
    res = pickle.load(fp)
    print(res)
    res = pickle.load(fp)
    print(res)
    res = pickle.load(fp)
    print(res)

执行

[root@node10 python]# python3 test.py
{'name': '刘铁蛋', 'age': 18, 'sex': '女性', 'family': ['father', '妈妈'], 'agz': 1}
{'name': '刘铁蛋', 'age': 18, 'sex': '女性', 'family': ['father', '妈妈'], 'agz': 1}
{'name': '刘铁蛋', 'age': 18, 'sex': '女性', 'family': ['father', '妈妈'], 'agz': 1}
{'name': '刘铁蛋', 'age': 18, 'sex': '女性', 'family': ['father', '妈妈'], 'agz': 1}
[root@node10 python]# cat 0209_4.txt
▒}q(XnameqX 刘铁蛋qXageqKXsexqX女性qXfamilyq]q(XfatherX妈妈q eXagzq
Ku.▒}q(XnameqX 刘铁蛋qXageqKXsexqX女性qXfamilyq]q(XfatherX妈妈q eXagzq
Ku.▒}q(XnameqX 刘铁蛋qXageqKXsexqX女性qXfamilyq]q(XfatherX妈妈q eXagzq
Ku.▒}q(XnameqX 刘铁蛋qXageqKXsexqX女性qXfamilyq]q(XfatherX妈妈q eXagzq

使用try

dic = {"name":"刘铁蛋","age":18,"sex":"女性","family":["father","妈妈"],"agz":1}
import pickle
with open("0209_4.txt",mode="wb") as fp:
    pickle.dump(dic,fp)
    pickle.dump(dic,fp)
    pickle.dump(dic,fp)
    pickle.dump(dic,fp)
with open("0209_4.txt",mode="rb") as fp:
        try:
                while True:
                        res = pickle.load(fp)
                        print(res)
        except:
                pass

执行

[root@node10 python]# python3 test.py
{'name': '刘铁蛋', 'age': 18, 'sex': '女性', 'family': ['father', '妈妈'], 'agz': 1}
{'name': '刘铁蛋', 'age': 18, 'sex': '女性', 'family': ['father', '妈妈'], 'agz': 1}
{'name': '刘铁蛋', 'age': 18, 'sex': '女性', 'family': ['father', '妈妈'], 'agz': 1}
{'name': '刘铁蛋', 'age': 18, 'sex': '女性', 'family': ['father', '妈妈'], 'agz': 1}
[root@node10 python]# cat 0209_4.txt
▒}q(XnameqX     刘铁蛋qXageqKXsexqX女性qXfamilyq]q(XfatherX妈妈q        eXagzq
Ku.▒}q(XnameqX  刘铁蛋qXageqKXsexqX女性qXfamilyq]q(XfatherX妈妈q        eXagzq
Ku.▒}q(XnameqX  刘铁蛋qXageqKXsexqX女性qXfamilyq]q(XfatherX妈妈q        eXagzq
Ku.▒}q(XnameqX  刘铁蛋qXageqKXsexqX女性qXfamilyq]q(XfatherX妈妈q        eXagzq

2.5 try的异常处理

try:
    ...
except:
把有问题的代码赛到try 代码块当中
如果发生异常报错,直接执行except其中的代码块
优点:不会因为报错终止程序运行    

示例：

listvar = [1,15,2]
print(listvar[15])

执行

使用try函数

try :
        listvar = [1,15,2]
        print(listvar[15])
except:
        pass

再次执行不会报错

json 和 pickle 两个模块的区别:

1. json序列化之后的数据类型是str,所有编程语言都识别,但是仅限于(int float bool)(str list tuple dict None)，json不能连续load,只能一次性拿出所有数据
2. pickle序列化之后的数据类型是bytes,所有数据类型都可转化,但仅限于python之间的存储传输.pickle可以连续load,多套数据放到同一个文件中

三 math数学模块

ceil()  向上取整操作 (对比内置round)

import math
res = math.ceil(4.01)
print(res)

执行

[root@node10 python]# python3 test.py
5

floor() 向下取整操作 (对比内置round)

import math
res = math.floor(3.99)
print(res)

执行

[root@node10 python]# python3 test.py
3

pow()  计算一个数值的N次方(结果为浮点数) (对比内置pow)

import math
res = math.pow(2,3)
print(res)

执行

[root@node10 python]# python3 test.py
8.0

math模块中的pow没有第三个参数

import math
res = math.pow(2,3,3)
print(res)

执行报错

sqrt() 开平方运算(结果浮点数)

import math
res = math.sqrt(10)
print(res)

执行

[root@node10 python]# python3 test.py
3.1622776601683795

fabs() 计算一个数值的绝对值 (结果浮点数) (对比内置abs)

import math
res = math.fabs(-56)
print(res)

执行

[root@node10 python]# python3 test.py
56.0

modf() 将一个数值拆分为整数和小数两部分组成元组

import math
res = math.modf(14.677)
print(res)

执行

[root@node10 python]# python3 test.py
(0.6769999999999996, 14.0)

copysign()  将参数第二个数值的正负号拷贝给第一个

import math
res = math.copysign(-1,-5)
print(res) # 得到浮点数结果 , 它的正负号取决于第二个值

执行

[root@node10 python]# python3 test.py
-1.0

fsum() 将一个容器数据中的数据进行求和运算 (结果浮点数)(对比内置sum)

import math
listvar = [1,2,3,4,5,99,6]
res = math.fsum(listvar)
print(res)

执行

[root@node10 python]# python3 test.py
120.0

圆周率常数 pi

import math
print(math.pi)

执行

[root@node10 python]# python3 test.py
3.141592653589793