[b]一、JSON 数据准备[/b] 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： [img]http://img.1sucai.cn/uploads/article/2018010709/20180107090111_0_71541.png[/img] 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。 [b]二、将 JSON 数据转换成 Python 字典[/b] 代码如下： [img]http://img.1sucai.cn/uploads/article/2018010709/20180107090112_1_78056.png[/img] [b]三、统计 tz 值分布情况，以“时区:总数”的形式生成统计结果[/b] 要想达到这一目的，需要先将[b]records [/b]转换成[b]DataFrame[/b]，[b]DataFrame [/b]是[b]Pandas [/b]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 [code]value_counts() [/code]方法汇总： [img]http://img.1sucai.cn/uploads/article/2018010709/20180107090112_2_11704.png[/img] [b]四、根据统计结果生成条形图[/b] 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）： [img]http://img.1sucai.cn/uploads/article/2018010709/20180107090113_3_44832.png[/img] 然后使用 [code]plot() [/code]方法既可生成条形图： [img]http://img.1sucai.cn/uploads/article/2018010709/20180107090113_4_37762.png[/img] 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。 [b]agent 值：[/b] [b][img]http://img.1sucai.cn/uploads/article/2018010709/20180107090114_5_51953.png[/img] [/b] [b]五、将条形图以操作系统（Windows/非Windows）加以区分[/b] 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： [img]http://img.1sucai.cn/uploads/article/2018010709/20180107090114_6_39744.png[/img] 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： [img]http://img.1sucai.cn/uploads/article/2018010709/20180107090115_7_19377.png[/img] 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： [img]http://img.1sucai.cn/uploads/article/2018010709/20180107090115_8_83461.png[/img] 以上就是Python处理JSON数据并生成条形图的全部内容，希望本文对大家学习Python和JSON都能有所帮助。