脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → Pandas解析JSON数据

Pandas实现解析JSON数据与导出的示例详解

 更新时间：2023年07月18日 11:30:08   作者：吃肉的小馒头  
其实使用pandas解析JSON Dataset要方便得多，所以这篇文章主要为大家介绍了Pandas实现解析JSON数据与导出的具体方法，需要的小伙伴可以收藏一下

使用pandas解析JSON Dataset要方便得多。Pandas允许您将列表的列表转换为Dataframe并单独指定列名。JSON解析器将JSON文本转换为另一种表示必须接受符合JSON语法的所有文本。它可以接受非JSON形式或扩展。实现可以设置以下内容：

  • 它接受的文本大小的限制，
  • 对嵌套的最大深度的限制，
  • 对数字范围和精度的限制，
  • 设置字符串的长度和字符内容的限制。

使用大型JSON数据集可能会恶化，特别是当它们太大而无法容纳在内存中时。在这种情况下，命令行工具和Python的组合可以成为探索和分析数据的有效方法。

导入JSON文件

JSON的操作是使用Python数据分析库pandas完成的。

import pandas as pd

现在，您可以使用命令read_json读取JSON并将其保存为pandas数据结构。

pandas.read_json (path_or_buf=None, orient = None, typ=’frame’, dtype=True, convert_axes=True, convert_dates=True, keep_default_dates=True, numpy=False, precise_float=False, date_unit=None, encoding=None, lines=False, chunksize=None, compression=’infer’)

import pandas as pd
# Creating Dataframe 
df = pd.DataFrame([['a', 'b'], ['c', 'd']],
                  index =['row 1', 'row 2'],
                  columns =['col 1', 'col 2'])
# Indication of expected JSON string format
print(df.to_json(orient ='split'))
print(df.to_json(orient ='index'))

输出：

{"columns":["col 1", "col 2"],
 "index":["row 1", "row 2"],
 "data":[["a", "b"], ["c", "d"]]}
{"row 1":{"col 1":"a", "col 2":"b"},
 "row 2":{"col 1":"c", "col 2":"d"}}

转换object对象到json数据使用dataframe.to_json

DataFrame.to_json(path_or_buf=None, orient=None, date_format=None, double_precision=10, force_ascii=True, date_unit=’ms’, default_handler=None, lines=False, compression=’infer’, index=True)

直接从Dataset读取JSON文件：

import pandas as pd
data = pd.read_json('http://api.population.io/1.0/population/India/today-and-tomorrow/?format = json')
print(data)

输出：

total_population
0  {'date': '2019-03-18', 'population': 1369169250}
1  {'date': '2019-03-19', 'population': 1369211502}

使用Pandas进行嵌套JSON解析

嵌套的JSON文件可能非常耗时，并且很难将其展平并加载到Pandas中。

我们使用嵌套的“'raw_nyc_phil.json。"'从一个嵌套数组创建一个扁平化的pandas数据框，然后解包一个深度嵌套数组。

import json
import pandas as pd
from pandas.io.json import json_normalize
with open('https://github.com/a9k00r/python-test/blob/master/raw_nyc_phil.json') as f:
	d = json.load(f)
# lets put the data into a pandas df
# clicking on raw_nyc_phil.json under "Input Files"
# tells us parent node is 'programs'
nycphil = json_normalize(d['programs'])
nycphil.head(3)

works_data = json_normalize(data = d['programs'],
							record_path ='works',
							meta =['id', 'orchestra', 'programID', 'season'])
works_data.head(3)

soloist_data = json_normalize(data = d['programs'],
							record_path =['works', 'soloists'],
							meta =['id'])
soloist_data.head(3)

将Pandas DataFrame导出到JSON文件

让我们看看如何将Pandas DataFrame导出为JSON文件。要执行此任务，我们将使用DataFrame.to_json（）和pandas.read_json（）函数。

示例1：

# importing the module
import pandas as pd
# creating a DataFrame
df = pd.DataFrame([['a', 'b', 'c'], ['d', 'e', 'f'], ['g', 'h', 'i']],
				index =['row 1', 'row 2', 'row3'],
				columns =['col 1', 'col 2', 'col3'])
# storing the data in JSON format
df.to_json('file.json', orient = 'split', compression = 'infer', index = 'true')
# reading the JSON file
df = pd.read_json('file.json', orient ='split', compression = 'infer')
# displaying the DataFrame
print(df)

我们可以看到DataFrame已经导出为JSON文件。

示例2：

# importing the module
import pandas as pd
# creating a DataFrame
df = pd.DataFrame(data = [['15135', 'Alex', '25 / 4/2014'],
                   ['23515', 'Bob', '26 / 8/2018'],
                   ['31313', 'Martha', '18 / 1/2019'],
                   ['55665', 'Alen', '5 / 5/2020'],
                   ['63513', 'Maria', '9 / 12 / 2020']],
                  columns =['ID', 'NAME', 'DATE OF JOINING'])
# storing data in JSON format
df.to_json('file1.json', orient = 'split', compression = 'infer')
# reading the JSON file
df = pd.read_json('file1.json', orient ='split', compression = 'infer')
print(df)

我们可以看到这个DataFrame也被导出为JSON文件。

以上就是Pandas实现解析JSON数据与导出的示例详解的详细内容，更多关于Pandas解析JSON数据的资料请关注脚本之家其它相关文章！

您可能感兴趣的文章:

相关文章

  • 用python实现k近邻算法的示例代码

    用python实现k近邻算法的示例代码

    这篇文章主要介绍了用python实现k近邻算法的示例代码，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
    2018-09-09
  • python关于excel多个sheet的导入导出方式

    python关于excel多个sheet的导入导出方式

    这篇文章主要介绍了python关于excel多个sheet的导入导出方式，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
    2022-12-12
  • Python+OpenCV进行不规则多边形ROI区域提取

    Python+OpenCV进行不规则多边形ROI区域提取

    ROI即感兴趣区域。机器视觉、图像处理中，从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域，称为感兴趣区域，ROI。本文将利用Python和OpenCV实现不规则多边形ROI区域提取，需要的可以参考一下
    2022-03-03
  • Python实现遍历目录的方法【测试可用】

    Python实现遍历目录的方法【测试可用】

    这篇文章主要介绍了Python实现遍历目录的方法,涉及Python针对目录与文件的遍历、判断、读取相关操作技巧,需要的朋友可以参考下
    2017-03-03
  • Python图像处理库PIL的ImageGrab模块介绍详解

    Python图像处理库PIL的ImageGrab模块介绍详解

    这篇文章主要介绍了Python图像处理库PIL的ImageGrab模块介绍详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2020-02-02
  • django认证系统 Authentication使用详解

    django认证系统 Authentication使用详解

    这篇文章主要介绍了django认证系统 Authentication使用详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2019-07-07
  • Python列表和集合的效率大比拼

    Python列表和集合的效率大比拼

    程序的运行效率分为两种：第一种是时间效率，第二种是空间效率，这篇文章主要介绍了Python列表和集合的效率对比,需要的朋友可以参考下
    2022-07-07
  • 使用Tensorflow hub完成目标检测过程详解

    使用Tensorflow hub完成目标检测过程详解

    这篇文章主要为大家介绍了使用Tensorflow hub完成目标检测过程详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
    2023-04-04
  • Python3 json模块之编码解码方法讲解

    Python3 json模块之编码解码方法讲解

    这篇文章主要介绍了Python3 json模块之编码解码方法讲解,需要的朋友可以参考下
    2021-04-04
  • Pytorch如何切换 cpu和gpu的使用详解

    Pytorch如何切换 cpu和gpu的使用详解

    这篇文章主要介绍了Pytorch如何切换 cpu和gpu的使用详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2021-03-03

最新评论