Pandas读存JSON数据
Pandas处理JSON文件
本文介绍的如何使用Pandas来读取各种json格式的数据，以及对json数据的保存
读取json数据
使用的是pd.read_json函数，见官网：https://pandas.pydata.org/docs/reference/api/pandas.read_json.html#
pandas.read_json(
path_or_buf=None, # 文件路径
orient=None, # 取值：split、records、index、columns、values
typ='frame', # 要恢复的对象类型（系列或框架），默认’框架’.
dtype=None, # boolean或dict，默认为True
convert_axes=None,
convert_dates=True,
keep_default_dates=True,
numpy=False,
precise_float=False,
date_unit=None,
encoding=None, # 编码
lines=False, # 布尔值，默认为False，每行读取该文件作为json对象
chunksize=None, # 分块读取大小
compression='infer',
nrows=None,
storage_options=None)模拟数据
模拟了一份数据，vscode打开内容：
可以看到默认情况下的读取效果：
主要有下面几个特点：
- 第一层级字典的键当做了DataFrame的字段
- 第二层级的键默认当做了行索引
下面重点解释下参数orident
参数orident
取值可以是：split、records、index、columns、values
orident=“split”
json文件的key的名字只能为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结果表明：
- index：当做行索引
- columns：列名
- data：具体的取值
如果我们改变其中一个key，比如data换成information就报错了：
orient=“records”
当orient="records"的时候，数据是以字段 + 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生成数据的特点：
- 列表中元素是以字典的形式存放
- 列表中每个元素（字典）的key，如果没有出现则取值为NaN
orient=“index”
当orient="index"的时候，数据是以行的形式来存储。
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- 每个id存放一条数据
- 未出现的key取值为NaN
orient=“columns”
在这种情况下数据是以列的形式来存储的。
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如果我们对上面的结果实施转置（两种方法）：
我们会发现这个结果和orient="index"的读取结果是相同的：
orient=“values”
在这种情况下，数据是以数组的形式存在的：
‘values’ : just the values arrayIn [16]:
data5 = '[["深圳",2000],["广州",1900],["北京",2500]]'In [17]:
df5 = pd.read_json(data5, orient="values")
df5对生成的列名进行重新命名：
to_json
将DataFrame数据保存成json格式的文件
DataFrame.to_json(path_or_buf=None, # 路径
orient=None, # 转换类型
date_format=None, # 日期转换类型
double_precision=10, # 小数保留精度
force_ascii=True, # 是否显示中文
date_unit='ms', # 日期显示最小单位
default_handler=None,
lines=False,
compression='infer',
index=True, # 是否保留行索引
indent=None, # 空格数
storage_options=None)官网学习地址：
https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.to_json.html
1、默认保存
df.to_json("df_to_json_1.json", force_ascii=True) # 不显示中文显示结果为一行数据，且存在unicode编码，中文无法显示：
{"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、显示中文
df.to_json("df_to_json_2.json", force_ascii=False) # 显示中文中文能够正常显示：
{"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":"广州"}}3、不同的orient显示 + 换行（indent参数）
df.to_json("df_to_json_3.json", force_ascii=False, orient="index",indent=4) # index + 换行显示结果中键为name信息：
4、改变index
df.to_json("df_to_json_4.json", force_ascii=False, orient="columns",indent=4) # columns + 换行