在Python中，字典可能是应用最广泛的类型之一。由于字典特殊的访问方式，使得我们在读取一些数据的时候，可以很方便的来使用字典对数据进行修改、插入、删除和排序等各种操作。
而JSON是一种文本数据，可以很方便的转为可操作的字典格式。大家知道我们在读取文件的时候，读出来的默认都是字符串的形式，而Python的json包可以非常方便的帮助我们。
本文我仍然采用一个实际的例子来说明字典和Json文件格式。我们使用上一篇文章中使用的数据文本，假定我们有一个文本文件，其内容如下。我们需要将其读取出来，然后处理为字典的格式，并且最后将字典存为一个json文件。
date,open,high,low,close
19991110,29.5,29.8,27.0,27.75
19991111,27.58,28.38,27.53,27.71
19991112,27.86,28.3,27.77,28.05
19991115,28.2,28.25,27.7,27.75
19991116,27.88,27.97,26.48,26.55
19991117,26.5,27.18,26.37,27.18
19991118,27.2,27.58,26.78,27.02
19991119,27.5,27.53,26.8,26.88
19991122,26.88,26.95,26.3,26.45
19991123,26.45,26.55,26.1,26.45
大家可以看到，为了方便大家阅读，我们对文件的内容进行了一些删减，这样更有利于我们进行操作。
之所以大家看到我使用的是股票的OHLCV数据，原因是因为大家其实可以看到我前面有一个专题是专门讲人工智能、深度学习和量化炒股的。其实这一部分也很简单，只是舆论对人工智能和深度学习都有一些误解。我举一个简单的例子，比如我让大家用C语言来写一个计算器程序，大家肯定觉得太困难了，尤其是UI的部分；但如果我让大家用Python或者Java来写，大家就觉得没那么困难了！为什么呢？我们有了很多封装好的API可以用了，对吧。
深度学习和人工智能也是如此，我们不仅有Python这门胶水语言来帮助我们完成数据处理的部分，Tensorflow中我们还有更高级和更好用的Keras来进行模型的设计和训练。所以其实一切并没有大家想象的那么需要数学和Matlab知识。
言归正传，我们先看看读取这个文件后，我们如何来将其变为一个字典的格式。我们先采用上篇文章的方法将文本读入到一个列表。
file_path = 'ohlcv.txt'
stockList = []
stockDict = {}
with open(file_path) as f:
----stockList = f.readlines()
----stockList = [line.replace('', '').split(',') for line in stockList]
----stockList = list(zip(*stockList))
----print(stockList)
其运行结果我们将后面的值省略，只保留每一行的最前面的几个元素。
[('date', '19991110', ......'),
('open', '29.5',......),
('high', '29.8',.....),
('low', '27.0', ......),
('close', '27.75', ......)]
然后我们将这个列表变成一个有5个Key值的字典。
----stockDict = {x[0]:x[1:] for x in stockList}
----print(stockDict)
我们可以看到运行结果为：
{'date': ('19991110', '19991111',......),
'open': ('29.5', '27.58', ......),
'high': ('29.8', '28.38', ......),
'low': ('27.0', '27.53',......),
'close': ('27.75', '27.71',......')}
这个运行结果我们可以看到Key值是一个字符串，而Value是一个元组。如果我们希望Value是列表，也很容易。只需要对上面的程序稍作修改，如下。
----stockDict = {x[0]:list(x[1:]) for x in stockList}
----print(stockDict)
然后我们可以看到打印结果变为：
{'date': ['19991110', '19991111', ......],
'open': ['29.5', '27.58', ......],
'high': ['29.8', '28.38', ......],
'low': ['27.0', '27.53',......],
'close': ['27.75', '27.71',......]}
这样基本符合我们的预期了，我们可以很方便的获得开盘、收盘等数据。那么如果我们希望获得1999年11月10日的所有数据，我们该怎么处理呢？很简单，我们可以用如下代码。
idx = stockDict['date'].index('19991110')
date = stockDict['date'][idx]
o = stockDict['open'][idx]
h = stockDict['high'][idx]
l = stockDict['low'][idx]
c = stockDict['close'][idx]
print([date, o, h, l, c])
上面第一行我们可以根据列表的值来获得索引号，然后我们可以通过索引号来获取这个日期的其余的OHLC的值。
接下来我们看看如何来使用json包，将这个文件存为json文件格式，方便我们来读写。
with open('ohlc.json', 'w') as jf:
----json.dump(stockDict, jf, indent=4)
这里我们创建一个文件，并且用json的方法来将其写入到文件里，indent表示缩进，我们来看看生成的文件的内容。照例我们省略一些内容，方便大家查看。
{
----"date": [
----"19991110",
----"19991111",
----....
----],
----"open": [
----"29.5",
----"27.58",
----......
----],
----"high": [
----"29.8",
----"28.38",
----......
----],
----"low": [
----"27.0",
----"27.53",
----......
----],
----"close": [
----"27.75",
----"27.71",
----......
----]
}
接下来我们再来看看我们如何从Json文件中读取内容，这相对来说就更简单了。
with open('ohlc.json') as jrf:
----content = json.load(jrf)
----print(content)
我们可以发现打印结果正是我们之前的字典的形式，毫无差别。也就是说我们其实用这种方法来将字典存储为json文件之后，我们可以非常方便的进行读取和处理以及写入，而不需要对数据进行额外的处理。借助字典的操作的便利性，我们可以很方便的来操作数据。
当然，我们前面说了，如果使用Pandas这个数据包，会更加的方便。下面我们把本片文章的全部代码贴到下面。
import json
file_path = 'ohlcv.txt'
stockList = []
stockDict = []
with open(file_path) as f:
----stockList = f.readlines()
----stockList = [line.replace('', '').split(',') for line in stockList]
----stockList = list(zip(*stockList))
----stockDict = {x[0]: list(x[1:]) for x in stockList}
----print(stockDict)
----idx = stockDict['date'].index('19991110')
----date = stockDict['date'][idx]
----o = stockDict['open'][idx]
----h = stockDict['high'][idx]
----l = stockDict['low'][idx]
----c = stockDict['close'][idx]
----print([date, o, h, l, c])
----with open('ohlc.json', 'w') as jf:
--------json.dump(stockDict, jf, indent=4)
----with open('ohlc.json') as jrf:
--------content = json.load(jrf)
--------print(content)
大家在拷贝代码之后可以用编辑器的替换将“----”替换为缩进，好了，字典和Json的结合用法，我们就介绍到这里，大家如果有疑问可以提出。其实关于字典，还有很多的用法，我们没有介绍，下一篇文章我会专门来讲一下字典的一些小技巧。
人工智能与深度学习做量化请关注：AI量化(https://t.zsxq.com/RvfY37y) 星球限时免费，如需加入，请私信我获得免费邀请码！
零基础学习Python与深度学习应用请关注星球：Python与深度学习 https://t.zsxq.com/bUFayZ3
微信公众号：QTechAI
