在使用Python请求API接口并获取返回数据的过程中，主要涉及HTTP请求的发送、处理响应数据以及数据解析等步骤。Python提供了多种库来实现这些功能，其中最常用的是 `requests` 库，它简单易用且功能强大。 ### 发起GET请求获取API数据 GET请求通常用于从服务器获取数据。以下是一个使用 `requests` 发起GET请求并解析JSON响应数据的示例： ```python import requests # 发起GET请求 response = requests.get('https://api.example.com/data') # 检查响应状态码 if response.status_code == 200: # 解析JSON响应 data = response.json() print(data) else: print(f"请求失败，状态码：{response.status_code}") ``` ### 发起POST请求获取API数据 POST请求通常用于向服务器提交数据并获取响应。以下是一个使用 `requests` 发起POST请求的示例： ```python import requests # 定义请求体数据 payload = { 'username': 'example', 'password': 'secret' } # 发起POST请求 response = requests.post('https://api.example.com/login', data=payload) # 检查响应状态码并解析响应数据 if response.status_code == 200: data = response.json() print(data) else: print(f"请求失败，状态码：{response.status_code}") ``` ### 处理API返回的JSON数据 大多数现代API返回的数据格式为JSON。Python的 `json` 模块可以用于解析和操作JSON数据。以下是一个解析并操作JSON数据的示例： ```python import json # 假设这是API返回的JSON字符串 json_data = '{"name": "Alice", "age": 30, "city": "New York"}' # 将JSON字符串解析为Python字典 data_dict = json.loads(json_data) # 访问字典中的字段 print(data_dict['name']) # 输出: Alice ``` ### 使用Pandas处理API返回的数据 如果API返回的数据结构复杂或需要进一步分析，可以使用 `pandas` 库进行数据处理。以下是一个将API返回的JSON数据转换为DataFrame并进行操作的示例： ```python import pandas as pd import requests # 获取API数据 response = requests.get('https://api.example.com/users') data = response.json() # 假设返回的数据是JSON格式 # 将数据转换为DataFrame df = pd.DataFrame(data) # 显示前几行数据 print(df.head()) ``` ### 添加时间戳并保存数据 在某些场景中，可能需要为获取的数据添加时间戳以便后续分析。以下是一个为DataFrame添加当前时间列的示例： ```python import pandas as pd import requests from datetime import datetime # 获取API数据 response = requests.get('https://api.example.com/data') data = response.json() # 转换为DataFrame df = pd.DataFrame(data) # 添加当前时间戳作为新列 time_now = datetime.now().strftime('%Y-%m-%d %H:%M:%S') df.insert(0, 'update_time', time_now) # 显示更新后的DataFrame print(df.head()) ``` 以上方法可以灵活应用于不同的API接口请求场景，确保能够高效地获取和处理数据。