Pandas DataFrames 是数据的表格表示，其中列代表单个数据条目中的各种数据点，每一行都是唯一的数据条目。而 JSON 是用 JavaScript 对象表示法编写的文本。
将 Pandas DataFrame 转换为 JSON
要将 Pandas DataFrames 转换为 JSON 格式，我们使用DataFrame.to_json()Python 中Pandas库中的函数。to_json 函数中有多个自定义项可用于实现所需的 JSON 格式。看一下函数接受的参数，再探讨定制
参数：
| 范围 | 价值 | 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，则结果作为字符串返回。 |
| 东方 | 'split', 'records', 'index', 'columns', 'values', 'table', default='index' | 指示预期的 JSON 字符串格式。 |
| 日期格式 | 无，“纪元”，“iso”，默认 =“纪元” | 日期转换类型。'epoch' = 纪元毫秒，'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，默认值为 'epoch'。 |
| 双精度 | 整数值，默认值=10 | 编码浮点值时使用的小数位数。 |
| force_ascii | 布尔值，默认值 = True | 强制编码字符串为 ASCII。 |
| 日期_单位 | 's', 'ms', 'us', 'ns', default='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 | 如果对象无法以其他方式转换为适用于 JSON 的格式，则要调用的处理程序。应该接收一个参数，它是要转换的对象并返回一个可序列化的对象。 |
| 线 | 布尔值，默认值 = False | 如果 'orient' 是 'records' 写出行分隔的 json 格式。如果 'orient' 不正确，则会抛出 ValueError，因为其他人不是这样的。 |
| 压缩 | 'infer', 'gzip', 'bz2', 'zip', 'xz', None, default='infer' | 表示在输出文件中使用的压缩的字符串，仅在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的。 |
| 指数 | 布尔值，默认值 = True | 是否在 JSON 字符串中包含索引值。仅当 orient 为 'split' 或 'table' 时才支持不包括索引 (index=False)。 |
| 缩进 | 整数值 | 用于缩进每条记录的空格长度。无需提及可选参数。 |
我们现在看几个例子来理解函数DataFrame.to_json的用法。
示例 1：基本用法
import numpy as npimport 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"}}
示例 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, " ") json_records = dataFrame.to_json(orient ='records') print("json_records = ", json_records, " ") json_index = dataFrame.to_json(orient ='index') print("json_index = ", json_index, " ") json_columns = dataFrame.to_json(orient ='columns') print("json_columns = ", json_columns, " ") json_values = dataFrame.to_json(orient ='values') print("json_values = ", json_values, " ") json_table = dataFrame.to_json(orient ='table') print("json_table = ", json_table, " ")
|
输出 ：
json_split = {“columns”:[“col1”, “col2”], “index”:[0, 1], “data”:[[“1”, “2”], [“3”, “4”]]} json_records = [{“col1″:”1”, “col2″:”2”}, {“col1″:”3”, “col2″:”4”}] json_index = {“0”:{“col1″:”1”, “col2″:”2”}, “1”:{“col1″:”3”, “col2″:”4”}} json_columns = {“col1”:{“0″:”1”, “1”:”3″}, “col2”:{“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, “col1″:”1”, “col2″:”2”}, {“index”:1, “col1″:”3”, “col2″:”4”}]}
JSON 字符串的格式： - 'split' : dict like {'index' -> [index], 'columns' -> [columns], '数据' -> [值]} - 'records' : list like [{column -> value}, ... , {column -> value}] - 'index' : dict like {index -> {column -> value}} - 'columns' : dict like {column -> {index -> value}} - 'values' : 只是值数组 - 'table' : dict like {'schema': {schema}, 'data': {data}}
原始文档介绍
""" 将对象转换为 JSON 字符串。 注意 NaN 和 None 将被转换为 null 和 datetime 对象 将转换为 UNIX 时间戳。 参数 ---------- path_or_buf : str 或文件句柄，可选 文件路径或对象。如果未指定，则返回结果为 一个字符串。 东方：str 指示预期的 JSON 字符串格式。 * 系列： - 默认为“索引” - 允许的值为：{'split','records','index','table'}。 * 数据框： - 默认为“列” - 允许的值为：{'split'、'records'、'index'、'columns'、 '值'，'表'}。 * JSON 字符串的格式： - 'split' : dict like {'index' -> [index], 'columns' -> [columns], '数据' -> [值]} - 'records' : list like [{column -> value}, ... , {column -> value}] - 'index' : dict like {index -> {column -> value}} - 'columns' : dict like {column -> {index -> value}} - 'values' : 只是值数组 - 'table' : dict like {'schema': {schema}, 'data': {data}} 描述数据，其中数据组件就像“orient='records'”。 .. 版本已更改:: 0.20.0 日期格式：{无，'纪元'，'iso'} 日期转换类型。 'epoch' = 纪元毫秒， 'iso' = ISO8601。默认值取决于`orient`。为了 ``orient='table'``，默认为'iso'。对于所有其他方向， 默认值为“纪元”。 double_precision ：int，默认为 10 编码时使用的小数位数 浮点值。 force_ascii : bool，默认为 True 强制编码字符串为 ASCII。 date_unit ：str，默认'ms'（毫秒） 编码到的时间单位，控制时间戳和 ISO8601 精确。 's'、'ms'、'us'、'ns' 之一表示秒、毫秒、 分别为微秒和纳秒。 default_handler ：可调用，默认无 如果对象不能以其他方式转换为 JSON 的合适格式。应该接收一个参数是 要转换并返回可序列化对象的对象。 行：布尔值，默认为假 如果 'orient' 是 'records' 写出行分隔的 json 格式。将要 如果“东方”不正确，则抛出 ValueError，因为其他人未列出 喜欢。 压缩：{'推断'、'gzip'、'bz2'、'zip'、'xz'、无} 表示在输出文件中使用的压缩的字符串， 仅在第一个参数是文件名时使用。默认情况下， 从文件名推断压缩。 .. 版本添加:: 0.21.0 .. 版本已更改:: 0.24.0 添加了“推断”选项并设置为默认值 索引：布尔值，默认为真 是否在 JSON 字符串中包含索引值。不是 仅在以下情况下才支持包含索引 (``index=False``) orient 是 'split' 或 'table'。 .. 版本已添加:: 0.23.0 缩进：整数，可选 用于缩进每条记录的空格长度。 .. 版本已添加:: 1.0.0 退货 ------- 无或 str 如果 path_or_buf 为 None，则返回生成的 json 格式作为 细绳。否则返回无。 也可以看看 -------- 读取_json 笔记 ----- ``indent=0`` 的行为与 stdlib 不同，它不 缩进输出但确实插入换行符。目前，“缩进=0” 和默认的“缩进=无”在熊猫中是等价的，尽管这 在未来的版本中可能会改变。 例子 -------- >>> df = pd.DataFrame([['a', 'b'], ['c', 'd']], ... index=['第 1 行'，'第 2 行']， ... columns=['col 1', 'col 2']) >>> df.to_json(orient='split') '{"columns":["col 1","col 2"], “索引”：[“第 1 行”，“第 2 行”]， "数据":[["a","b"],["c","d"]]}' 使用“记录”格式的 JSON 编码/解码数据帧。 请注意，此编码不会保留索引标签。 >>> df.to_json(orient='记录') '[{"col 1":"a","col 2":"b"},{"col 1":"c","col 2":"d"}]' 使用“索引”格式的 JSON 编码/解码数据帧： >>> df.to_json(orient='index') '{"row 1":{"col 1":"a","col 2":"b"},"row 2":{"col 1":"c","col 2":"d" }}' 使用“列”格式的 JSON 编码/解码数据帧： >>> df.to_json(orient='columns') '{"col 1":{"row 1":"a","row 2":"c"},"col 2":{"row 1":"b","row 2":"d" }}' 编码/d