如何读取空气质量数据文件并找出空气质量最好的五个监测点？

小象实战讲义 · Python 入门：8 个小项目边玩边学

上一节我们学会了如何计算空气质量指数（AQI），但现实中的数据往往不是我们手动输入的，而是已经整理好的文件。想象一下，环保部门每天都会收集全国各个监测点的空气质量数据，这些数据通常保存在文件里。如果我们想找出北京空气质量最好的五个监测点，难道要手动一个个计算吗？当然不用！这一节，我们就来学习如何读取数据文件，让程序自动帮我们找出空气质量最好的五个监测点。

💡 核心导读

• 本节新增：只学一件事——如何读取和操作 JSON 格式的数据文件
• 你会学到：什么是 JSON 文件，它为什么在互联网上这么流行
• 你会做到：读取真实的空气质量数据文件，按 AQI 值排序，找出空气质量最好的五个监测点
• 有趣之处：你的程序现在能“读懂”真实世界的数据文件了，就像侦探在数据海洋里找出线索一样！

数据文件：程序与真实世界的桥梁

在之前的项目中，我们的数据都是手动输入或者程序生成的。但在真实工作中，数据通常保存在文件里。空气质量数据也不例外——环保部门会把各个监测点的数据整理成文件，方便分析和共享。

今天我们要处理的数据文件格式叫做 JSON（发音像“杰森”）。你可能在别的地方听过这个名字，因为它实在是太常见了！从天气预报 API 到社交媒体的数据，很多都使用 JSON 格式。

为什么是 JSON？

JSON 文件有几个特别适合我们的优点：

1. 人类可读：用记事本就能打开看，里面的数据一目了然
2. 结构清晰：能表达复杂的数据关系，比如列表、字典嵌套
3. 通用性强：几乎所有编程语言都能处理 JSON，是数据交换的“普通话”

让我们先看看一个真实的空气质量 JSON 文件长什么样：

[
  {
    "aqi": 47,
    "area": "北京",
    "position_name": "万寿西宫",
    "time_point": "2017-07-29"
  },
  {
    "aqi": 63,
    "area": "北京", 
    "position_name": "定陵",
    "time_point": "2017-07-29"
  }
]

是不是很像我们之前学过的 Python 字典和列表？没错！JSON 的基本规则就是：

• 花括号 {} 表示一个对象（在 Python 里就是字典）
• 方括号 [] 表示一个数组（在 Python 里就是列表）
• 键值对 用冒号分隔，比如 "aqi": 47
• 多个键值对 用逗号分隔

这个文件里有两个监测点的数据，每个监测点都有 AQI 值、地区、监测点名称和时间点。整个文件就是一个列表，列表里有两个字典。

读取 JSON 文件：Python 的“翻译官”

Python 有一个内置的 json 库，专门负责处理 JSON 数据。它就像个翻译官，能把 JSON 文件“翻译”成 Python 能理解的数据结构。

两个关键过程

json 库主要处理两个方向的数据转换：

1. 解码（decoding）：从 JSON 文件 → Python 数据类型

   • load()：从文件读取 JSON 数据
   • loads()：从字符串读取 JSON 数据

2. 编码（encoding）：从 Python 数据类型 → JSON 文件

   • dump()：把数据写入 JSON 文件
   • dumps()：把数据转换成 JSON 字符串

今天我们先学第一个方向：读取 JSON 文件。

实战：读取空气质量数据

让我们写一个完整的程序，读取 JSON 文件并找出空气质量最好的五个监测点：

import json
import os

# 本节需要 beijing_aqi.json(课程 resources 附件提供);为便于单独运行,先用示例数据建一份
with open('beijing_aqi.json', 'w', encoding='utf-8') as f:   # 示例数据：每次运行都重建，保证输出一致
    f.write('''[
  {"aqi": 44, "area": "北京", "position_name": "天坛", "time_point": "2017-07-29"},
  {"aqi": 46, "area": "北京", "position_name": "农展馆", "time_point": "2017-07-29"},
  {"aqi": 47, "area": "北京", "position_name": "万寿西宫", "time_point": "2017-07-29"},
  {"aqi": 48, "area": "北京", "position_name": "古城", "time_point": "2017-07-29"},
  {"aqi": 48, "area": "北京", "position_name": "海淀区万柳", "time_point": "2017-07-29"}
]''')

def process_json_file(filepath):
    """
    读取并解析 JSON 文件
    返回解析后的 Python 列表
    """
    # 1. 打开文件(注意指定编码为 utf-8,避免中文乱码)
    f = open(filepath, mode='r', encoding='utf-8')
    
    # 2. 用 json.load() 读取文件内容,自动转换成 Python 列表
    city_list = json.load(f)
    
    # 3. 关闭文件(好习惯！)
    f.close()
    
    return city_list

def main():
    """
    主函数：整个程序的入口
    """
    # 原程序这里用 input() 让用户输入文件名
    # 为了让你能直接运行,这里先用固定值
    filepath = 'beijing_aqi.json'  # 你可以改成 'shanghai_aqi.json' 试试
    
    # 读取 JSON 文件
    city_list = process_json_file(filepath)
    
    # 按 AQI 值从小到大排序(AQI 越小空气质量越好)
    # 使用 lambda 函数告诉 sort:按每个城市的 'aqi' 字段排序
    city_list.sort(key=lambda city: city['aqi'])
    
    # 取前5个(空气质量最好的5个监测点)
    top5_list = city_list[:5]
    
    # 把结果保存到新的 JSON 文件
    output_file = open('top5_aqi.json', mode='w', encoding='utf-8')
    json.dump(top5_list, output_file, ensure_ascii=False)  # ensure_ascii=False 确保中文正常显示
    output_file.close()
    
    # 同时在控制台输出结果
    print("空气质量最好的5个监测点：")
    for i, city in enumerate(top5_list, 1):
        print(f"{i}. {city['position_name']}: AQI = {city['aqi']}")

# 直接运行主函数
main()

空气质量最好的5个监测点：
1. 天坛: AQI = 44
2. 农展馆: AQI = 46
3. 万寿西宫: AQI = 47
4. 古城: AQI = 48
5. 海淀区万柳: AQI = 48

代码解析：几个关键点

1. 文件编码很重要

def process_json_file(filepath):
    """
    读取并解析 JSON 文件
    返回解析后的 Python 列表
    """
    # 1. 打开文件(注意指定编码为 utf-8,避免中文乱码)
    f = open(filepath, mode='r', encoding='utf-8')

    # 2. 用 json.load() 读取文件内容,自动转换成 Python 列表
    city_list = json.load(f)

    # 3. 关闭文件(好习惯！)
    f.close()

    return city_list

中文文件一定要指定 encoding='utf-8'，否则会出现乱码。你可以把 utf-8 想象成中文的“标准发音”，告诉 Python 如何正确读出中文字符。

2. 排序的魔法：lambda 函数

# 在 main() 中，排序只需要这一行（city_list 是上面读取到的列表）：
city_list.sort(key=lambda city: city['aqi'])  # 按每个元素的 aqi 字段升序排列

这行代码做了三件事：

• city_list.sort()：对列表排序
• key=：指定按什么规则排序
• lambda city: city['aqi']：一个匿名函数，输入是列表中的每个元素（我们叫它 city），输出是这个元素的 aqi 值

lambda 是希腊字母 λ，在编程中表示“匿名函数”——没有名字、只用一次的小函数。你可以把它理解成一个临时的“提取器”：从每个监测点数据中提取出 AQI 值，然后按这个值排序。

3. 切片取前五

# 排好序后，用切片取前 5 个（city_list 已按 AQI 升序）：
top5_list = city_list[:5]

还记得列表切片吗？[:5] 表示“从开始到第5个元素（不包含第5个）”。因为我们已经按 AQI 从小到大排好序，所以前5个就是空气质量最好的5个。

看看生成的结果文件

程序运行后，会生成一个 top5_aqi.json 文件。用记事本打开看看：

[
  {"aqi": 44, "area": "北京", "position_name": "天坛", "time_point": "2017-07-29"},
  {"aqi": 46, "area": "北京", "position_name": "农展馆", "time_point": "2017-07-29"},
  {"aqi": 47, "area": "北京", "position_name": "万寿西宫", "time_point": "2017-07-29"},
  {"aqi": 48, "area": "北京", "position_name": "古城", "time_point": "2017-07-29"},
  {"aqi": 48, "area": "北京", "position_name": "海淀区万柳", "time_point": "2017-07-29"}
]

这就是 JSON 格式的数据！程序不仅帮我们找到了空气质量最好的监测点，还把结果保存成了标准格式，方便分享给其他人或其他程序使用。

试试上海的数据

我们还有一个上海的数据文件。只需要改一行代码：

# 把北京改成上海
filepath = 'shanghai_aqi.json'  # 修改这一行（shanghai_aqi.json 在课程资源附件中）

重新运行程序，输出的监测点名称和排名就全部换成上海的数据了——同一个程序，换一个文件名就能处理另一个城市，这也是把读取逻辑封装成函数的好处。

提示：北京示例数据已内置在上面的完整程序中（首次运行自动生成）；上海的数据请使用课程资源附件里的 shanghai_aqi.json。

JSON 在真实世界的应用

你可能会想：“JSON 看起来就是些括号和引号，有什么用呢？”实际上，JSON 是互联网的“数据普通话”：

• 网站 API：当你用手机 App 查天气时，服务器返回的数据就是 JSON 格式
• 配置文件：很多软件的设置都保存在 JSON 文件里
• 数据交换：不同系统之间传递数据，JSON 是最常用的格式之一

学会处理 JSON，你就掌握了与大多数网络服务“对话”的基本技能。下次你看到手机 App 显示“正在加载数据…”，很可能就是在下载和解析 JSON 数据呢！

📝 动手练一练

1. 扩展练习：现在的程序只输出前5名，如果我想看前10名怎么办？如果我想看空气质量最差的5个监测点呢？

# 看前10名：把切片从 [:5] 改成 [:10]
top10_list = city_list[:10]

# 看最差的5个：降序排序后再取前5个
city_list.sort(key=lambda city: city['aqi'], reverse=True)  # reverse=True 表示降序
worst5_list = city_list[:5]

def main():
    filepath = 'beijing_aqi.json'
    city_list = process_json_file(filepath)  # process_json_file 沿用上方定义

    # 空气质量最好的10个
    city_list.sort(key=lambda city: city['aqi'])
    top10_list = city_list[:10]
    print("空气质量最好的10个监测点：")
    for i, city in enumerate(top10_list, 1):
        print(f"{i}. {city['position_name']}: AQI = {city['aqi']}")

    print("\n" + "="*50 + "\n")

    # 空气质量最差的5个
    city_list.sort(key=lambda city: city['aqi'], reverse=True)
    worst5_list = city_list[:5]
    print("空气质量最差的5个监测点：")
    for i, city in enumerate(worst5_list, 1):
        print(f"{i}. {city['position_name']}: AQI = {city['aqi']}")

2. 数据探索：如果我想知道北京那天所有监测点的平均 AQI 是多少，该怎么计算？

def calculate_average_aqi(city_list):
    """计算所有监测点的平均 AQI"""
    total_aqi = 0
    count = 0

    for city in city_list:
        total_aqi += city['aqi']
        count += 1

    return total_aqi / count if count > 0 else 0

# city_list 是 process_json_file 读取到的列表：
average_aqi = calculate_average_aqi(city_list)
print(f"北京所有监测点的平均 AQI: {average_aqi:.1f}")

# 先把每个监测点的 aqi 值提取成一个新列表，再求平均：
aqi_values = [city['aqi'] for city in city_list]
average_aqi = sum(aqi_values) / len(aqi_values)

3. 文件操作：现在的程序每次运行都会覆盖 top5_aqi.json 文件。如果我想把北京和上海的结果保存到不同的文件里，该怎么修改？

def main():
    # 原程序用 input(),这里用固定值演示
    filepath = 'beijing_aqi.json'

    city_list = process_json_file(filepath)
    city_list.sort(key=lambda city: city['aqi'])
    top5_list = city_list[:5]

    # 根据输入文件名生成输出文件名
    # 例如:beijing_aqi.json → beijing_aqi_top5.json
    import os
    filename = os.path.basename(filepath)  # 获取文件名,如 'beijing_aqi.json'
    name_without_ext = os.path.splitext(filename)[0]  # 去掉扩展名,得到 'beijing_aqi'
    output_filename = f"{name_without_ext}_top5.json"  # 生成 'beijing_aqi_top5.json'

    # 保存到新文件
    output_file = open(output_filename, mode='w', encoding='utf-8')
    json.dump(top5_list, output_file, ensure_ascii=False)
    output_file.close()

    print(f"结果已保存到: {output_filename}")

本章小结

这一节我们迈出了重要的一步：从手动输入数据，升级到读取真实的数据文件。你现在已经能够：

• ✅ 理解 JSON 文件的基本结构（列表、字典、键值对）
• ✅ 使用 Python 的 json 库读取 JSON 文件
• ✅ 对复杂数据进行排序（用 lambda 函数指定排序规则）
• ✅ 把处理结果保存到新的文件中

最重要的是，你的程序现在能处理真实世界的数据了！这不再是玩具示例，而是真正有用的数据分析工具。

📋 行动清单

学完这一节，你可以：

• 运行今天的程序，分别处理北京和上海的空气质量数据，看看哪个城市那天的空气质量更好
• 修改程序，找出空气质量最差的3个监测点（提示：降序排序）
• 探索数据：计算一下北京所有监测点 AQI 的平均值、最大值、最小值
• 实际应用：如果你所在的城市有公开的空气质量数据（通常是 JSON 或 CSV 格式），试着用今天的程序分析一下

下一节，我们将学习另一种常见的数据格式——CSV（逗号分隔值），它看起来像 Excel 表格，在商业和科学领域非常常用。到时候你的程序就能处理更多类型的数据文件了！

—— 小象教研组