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。熊猫数据框和 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 " }、{ "
版权属于：月萌API www.moonapi.com，转载请注明出处
