Pandas怎么讀取JSON數據

這篇文章主要介紹“Pandas怎么讀取JSON數據”的相關知識，小編通過實際案例向大家展示操作過程，操作方法簡單快捷，實用性強，希望這篇“Pandas怎么讀取JSON數據”文章能幫助大家解決問題。

讀取json數據

使用的是pd.read_json函數

pandas.read_json(
  path_or_buf=None,  # 文件路徑
  orient=None,  # 取值：split、records、index、columns、values
  typ='frame',   # 要恢復的對象類型（系列或框架），默認'框架'.
  dtype=None, # boolean或dict，默認為True
  convert_axes=None,
  convert_dates=True,
  keep_default_dates=True,
  numpy=False,
  precise_float=False,
  date_unit=None,
  encoding=None,  # 編碼
  lines=False,  # 布爾值，默認為False，每行讀取該文件作為json對象
  chunksize=None,  # 分塊讀取大小
  compression='infer',
  nrows=None,
  storage_options=None)

模擬數據

模擬了一份數據，vscode打開內容：

可以看到默認情況下的讀取效果：

主要有下面幾個特點：

• 第一層級字典的鍵當做了DataFrame的字段

• 第二層級的鍵默認當做了行索引

下面重點解釋下參數orident

參數orident

取值可以是：split、records、index、columns、values

orident="split"

json文件的key的名字只能為index,cloumns,data；不多也不能少。

split' : dict like {index -> [index], columns -> [columns], data -> [values]}

In [3]:

data1 = '{"index":[1,2],"columns":["name","age"],"data":[["xiaoming",28], ["zhouhong",20]]}'

In [4]:

df1 = pd.read_json(data1, orient="split")
df1

結果表明：

• index：當做行索引

• columns：列名

• data：具體的取值

如果我們改變其中一個key，比如data換成information就報錯了：

orient="records"

當orient="records"的時候，數據是以字段 + 取值的形式存放的。

‘records' : list like [{column -> value}, … , {column -> value}]

In [7]:

data2 = '[{"name":"Peter","sex":"male","age":20},{"name":"Tom","age":27},{"sex":"male"}]'

In [8]:

df2 = pd.read_json(data2, orient="records")
df2

生成數據的特點：

• 列表中元素是以字典的形式存放

• 列表中每個元素（字典）的key，如果沒有出現則取值為NaN

orient="index"

當orient="index"的時候，數據是以行的形式來存儲。

dict like {index -> {column -> value}}

In [9]:

data3 = '{"id1":{"name":"Mike","age":20,"sex":"male","score":80},"id2":{"name":"Jack","sex":"female","score":90}}'

In [10]:

df3 = pd.read_json(data3, orient="index")
df3

• 每個id存放一條數據

• 未出現的key取值為NaN

orient="columns"

在這種情況下數據是以列的形式來存儲的。

dict like {column -> {index -> value}}

In [11]:

data4 = '{"sex":{"id1":"Peter","id2":"Tom","id3":"Jimmy"},"age":{"id1": 20,"id3":28}}'

In [12]:

df4 = pd.read_json(data4, orient="columns")
df4

如果我們對上面的結果實施轉置（兩種方法）：

我們會發現這個結果和orient="index"的讀取結果是相同的：

orient="values"

在這種情況下，數據是以數組的形式存在的：

‘values' : just the values array

In [16]:

data5 = '[["深圳",2000],["廣州",1900],["北京",2500]]'

In [17]:

df5 = pd.read_json(data5, orient="values")
df5

對生成的列名進行重新命名：

to_json

將DataFrame數據保存成json格式的文件

DataFrame.to_json(path_or_buf=None,  # 路徑
                  orient=None, # 轉換類型
                  date_format=None, # 日期轉換類型
                  double_precision=10,  # 小數保留精度
                  force_ascii=True, # 是否顯示中文
                  date_unit='ms', # 日期顯示最小單位
                  default_handler=None, 
                  lines=False, 
                  compression='infer', 
                  index=True, # 是否保留行索引
                  indent=None, # 空格數
                  storage_options=None)

官網學習地址：

pandas.pydata.org/docs/refere…

1、默認保存

df.to_json("df_to_json_1.json", force_ascii=True)  # 不顯示中文

顯示結果為一行數據，且存在unicode編碼，中文無法顯示：

{"sex":{"Jimmy":"male","Tom":"female","Jack":"male","Mike":"female"},"age":{"Jimmy":20,"Tom":18,"Jack":29,"Mike":26},"height":{"Jimmy":187,"Tom":167,"Jack":178,"Mike":162},"address":{"Jimmy":"\u6df1\u5733","Tom":"\u4e0a\u6d77","Jack":"\u5317\u4eac","Mike":"\u5e7f\u5dde"}}

2、顯示中文

df.to_json("df_to_json_2.json", force_ascii=False)  # 顯示中文

中文能夠正常顯示：

{"sex":{"Jimmy":"male","Tom":"female","Jack":"male","Mike":"female"},"age":{"Jimmy":20,"Tom":18,"Jack":29,"Mike":26},"height":{"Jimmy":187,"Tom":167,"Jack":178,"Mike":162},"address":{"Jimmy":"深圳","Tom":"上海","Jack":"北京","Mike":"廣州"}}

3、不同的orient顯示 + 換行（indent參數）

df.to_json("df_to_json_3.json", force_ascii=False, orient="index",indent=4) 
# index + 換行

顯示結果中鍵為name信息：

4、改變index

df.to_json("df_to_json_4.json", force_ascii=False, orient="columns",indent=4)   # columns + 換行

關于“Pandas怎么讀取JSON數據”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識，可以關注億速云行業資訊頻道，小編每天都會為大家更新不同的知識點。