跳转至

如何用 Python 将熊猫 DataFrame 转换成 JSON?

原文:https://www.geesforgeks.org/如何将 pandas-data frame-in-JSON-in-python/

数据分析是当今世界极其重要的工具。数据分析的一个关键方面是数据的有组织的表示。在计算机科学中有许多数据结构来实现这一任务。在本文中,我们将讨论两种这样的数据结构,即。熊猫数据框JSON 。此外,我们还将看到如何将数据帧转换为 JSON 格式。

熊猫数据帧是数据的表格表示,其中列表示单个数据条目中的不同数据点,每行是唯一的数据条目。而 JSON 是用 JavaScript 对象符号编写的文本。

注:更多信息请参考 Python |熊猫数据框

将熊猫数据帧转换为 JSON

要将熊猫数据帧转换为 JSON 格式,我们使用 Python 中熊猫库的函数DataFrame.to_json()。to_json 函数中有多种定制,可以实现所需的 json 格式。让我们看看函数接受的参数,然后探索定制

参数:

参数 价值 使用
path_or_buf 字符串或文件名,可选 文件路径或对象。如果未指定,结果将作为字符串返回。
东方 拆分','记录','索引','列','值','表',默认值= '索引' 预期 JSON 字符串格式的指示。
日期格式 无,“纪元”,“iso”,默认值=“纪元” 日期转换的类型。epoch' = epoch 毫秒,' iso' = ISO8601。默认值取决于方向。对于 orient='table ',默认值为' iso '。对于所有其他方向,默认为“纪元”。
双精度 整数值,默认值=10 对浮点值进行编码时使用的小数位数。
力量 _ascii 布尔值,默认值=真 强制编码字符串为 ASCII。
日期单位 s ',' ms ',' us ',' ns ',默认值='ms ' 要编码到的时间单位,控制时间戳和 ISO8601 精度。这些值分别代表秒、毫秒、微秒和纳秒。
默认处理程序 可调用函数 如果对象不能转换为适合 JSON 的格式,则调用处理程序。应该接收单个参数,该参数是要转换并返回可序列化对象的对象。
线 布尔值,默认值=假 如果“orient”是“records ”,写出以行分隔的 json 格式。如果“方向”不正确,将抛出 ValueError,因为其他值不像列表。
压缩 推断',' gzip ',' bz2 ',' zip ',' xz ',无,默认= '推断' 一个字符串,表示要在输出文件中使用的压缩,仅当第一个参数是文件名时使用。默认情况下,压缩是从文件名推断出来的。
指数 布尔值,默认值=真 是否在 JSON 字符串中包含索引值。仅当方向为“拆分”或“表”时,才支持不包括索引(索引=假)。
缩进 整数值 用于缩进每条记录的空白长度。可选参数无需提及。

我们现在看几个例子来理解函数 DataFrame.to_json 的用法。

例 1: 基本用法

import numpy as np
import pandas as pd

data = np.array([['1', '2'], ['3', '4']])

dataFrame = pd.DataFrame(data, columns = ['col1', 'col2'])
json = dataFrame.to_json()
print(json)

输出:

{"col1":{"0":"1", "1":"3"}, "col2":{"0":"2", "1":"4"}}

例 2: 探索 DataFrame.to_json 函数的‘orient’属性

import numpy as np
import pandas as pd

data = np.array([['1', '2'], ['3', '4']])

dataFrame = pd.DataFrame(data, columns = ['col1', 'col2'])
json = dataFrame.to_json()
print(json)

json_split = dataFrame.to_json(orient ='split')
print("json_split = ", json_split, "\n")

json_records = dataFrame.to_json(orient ='records')
print("json_records = ", json_records, "\n")

json_index = dataFrame.to_json(orient ='index')
print("json_index = ", json_index, "\n")

json_columns = dataFrame.to_json(orient ='columns')
print("json_columns = ", json_columns, "\n")

json_values = dataFrame.to_json(orient ='values')
print("json_values = ", json_values, "\n")

json_table = dataFrame.to_json(orient ='table')
print("json_table = ", json_table, "\n")

输出:

json_split = {"columns":["col1 "," col2"]," index":[0,1]," data ":[" 1 "," 2"],["3 "," 4 "]}

JSON_records =[{ " col 1 "" 1 "、" col 2 "" 2 " }、{ " col 1 "" 3 "、" col 2 "" 4 " }]

JSON_index = { " 0 ":{ " col 1 "" 1 "、" col 2 "" 2 " }、" 1 ":{ " col 1 "" 3 "、" col 2 "" 4 " } }

JSON_columns = { " col 1 ":{ " 0 ":" 1 "、" 1 ":" 3 " }、" col 2 ":{ " 0 ":" 2 "、" 1 ":" 4 " } }

json_values = [["1 "," 2"],["3 "," 4"]]

JSON_table = { " schema ":{ " fields ":[{ " name ":" index "、" type":"integer"}、{"name":"col1 "、" type":"string"}、{"name":"col2 "、" type":"string"}]、" primaryKey":["index"]、" pandas_version ":" 0.20.0 " }、" data":[{"index":0 "、" col 1 ":" 1 "、" col 2 ":" 2 " }、{ "



回到顶部