读Json文件生成pandas数据框详情
前言
本文讲解如何加载json文件或字符串为pandas数据框。pandas把json数据分成几种典型类型，希望对你实际数据应用开发有所启示。
有时可能需要转换json文件位pandas数据框。使用pandas内置的read_json()函数很容易实现，
其语法如下：
read_json(‘path’, orient=’index’)
- path: json文件的路径
- orient: json文件的格式描述，缺省是
index，还有其他选型：split, records, columns, values。
下面通过几个示例进行说明。
records格式
假设json文件my_file.json的格式如下：
[
{
"points": 25,
"assists": 5
},
{
"points": 12,
"assists": 7
},
{
"points": 15,
"assists": 7
},
{
"points": 19,
"assists": 12
}
] 我们使用pandas的函数read_json，只要只从orient参数位records：
# 加载json文件，生成pandas数据框
df = pd.read_json('data/json_file.json', orient='records')
# 查看数据框
print(df)输出结果：
points assists
0 25 5
1 12 7
2 15 7
3 19 12
index格式
假设json文件格式为：
{
"0": {
"points": 25,
"assists": 5
},
"1": {
"points": 12,
"assists": 7
},
"2": {
"points": 15,
"assists": 7
},
"3": {
"points": 19,
"assists": 12
}
} 与上面实现代码一样，仅需要修改orient=‘index’:
import pandas as pd
df = pd.read_json("data/my_file.json", orient='index')
print(df)输出结果：
points assists
0 25 5
1 12 7
2 15 7
3 19 12
columns 类型
假设json文件格式为：
{
"points": {
"0": 25,
"1": 12,
"2": 15,
"3": 19
},
"assists": {
"0": 5,
"1": 7,
"2": 7,
"3": 12
}
} 加载代码修改orient参数为’columns’:
import pandas as pd
df = pd.read_json("data/my_file.json", orient='columns')
print(df)结果与上面一致。
values格式
假设json文件代码如下：
[
[
25,
5
],
[
12,
7
],
[
15,
7
],
[
19,
12
]
] 加载代码如下：
import pandas as pd
df = pd.read_json("data/my_file.json", orient='values')
print(df)输出结果：
0 1
0 25 5
1 12 7
2 15 7
3 19 12
split 参数示例
下面看split参数示例：
import pandas as pd
# 示例数据
data = '{"columns":["col 1","col 2"], "index":["row 1","row 2"], "data":[["a","b"],["c","d"]]}'
df = pd.read_json(data, orient='split')
print(df)输出交叉表形式结果：
col 1 col 2
row 1 a b
row 2 c d
如果不指定index，则行自动生成序号：
import pandas as pd
data = '{"columns":["col 1","col 2"], "data":[["a","b"],["c","d"]]}'
df = pd.read_json(data, orient='split')
print(df)输出结果：
col 1 col 2
0 a b
1 c d
压缩与编码
使用compression参数可以解压并载入json文件，参数选型有：‘zip’, ‘gzip’, ‘bz2’, ‘zstd’。如果指定zip，则确保文件为zip文件格式，None表示不解压。
使用 encoding 指定自定义编码，缺省为 UTF-8 编码。
假设my_file.zip压缩文件格式为：
[
[
25,
5
],
[
12,
7
],
[
15,
7
],
[
19,
12
]
]载入代码：
import pandas as pd
df = pd.read_json("data/my_file.zip", orient='values', compression='zip')
print(df)到此这篇关于读Json文件生成pandas数据框详情的文章就介绍到这了,更多相关Json生成pandas数据框内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
今天小编就为大家分享一篇Pytorch实现GoogLeNet的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-08-08
这篇文章主要介绍了Python创建xml的方法,实例分析了Python操作XML文件的技巧,具有一定参考借鉴价值,需要的朋友可以参考下2015-03-03
本篇文章给大家介绍python抓取网页中图片并保存到本地，对python抓取网页图片相关知识感兴趣的朋友一起学习吧2015-12-12
这篇文章主要为大家详细介绍了python面向对象编程设计原则之单一职责原则，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助2022-03-03
这篇文章主要介绍了Django contenttypes 框架详解(小结)，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2018-08-08
这篇文章主要为大家介绍了pyppeteer上执行js并绕过webdriver监测常见方法的上篇，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2022-04-04
在本篇文章里小编给大家整理了关于Python对列表的操作知识点总结以及实例代码运用，需要的朋友们跟着学习下。2019-08-08
双星号(**)和单星号(*)在参数传递中扮演着关键角色,本文主要介绍了Python参数传递中双星号(**)和单星号(*)是作用,具有一定的参考价值,感兴趣的可以了解一下2024-05-05
这篇文章主要介绍了python实现逢七拍腿小游戏的思路，本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下2020-05-05
这篇文章主要介绍了Python的生成器函数,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2024-02-02
最新评论