Der Weg, verschachtelte JSON-Strukturen in strukturierte Pandas-DataFrames umzuwandeln, kann entmutigend sein, aber mit den richtigen Tools und Techniken wird es zu einer nahtlosen Aufgabe. Lassen Sie uns die für diese Transformation verfügbaren Optionen erkunden.
JSON-Normalisierung: Ein unkomplizierter Ansatz
json_normalize bietet eine leistungsstarke Lösung zum Reduzieren verschachtelter JSON-Objekte. Während wir diesen Ansatz verfolgen:
<code class="python">import json
with open('myJson.json') as data_file:
data = json.load(data_file)
df = pd.json_normalize(data, 'locations', ['date', 'number', 'name'],
record_prefix='locations_')
print (df)</code>Ausgabe:
locations_arrTime locations_arrTimeDiffMin locations_depTime \ 0 06:32 1 06:37 1 06:40 2 08:24 1 locations_depTimeDiffMin locations_name locations_platform \ 0 0 Spital am Pyhrn Bahnhof 2 1 0 Windischgarsten Bahnhof 2 2 Linz/Donau Hbf 1A-B locations_stationIdx locations_track number name date 0 0 R 3932 R 3932 01.10.2016 1 1 R 3932 01.10.2016 2 22 R 3932 01.10.2016
Name und Gruppierung für die Verkettung analysieren
Wenn die Reduzierung jedoch nicht Ihr ultimatives Ziel ist, können Sie einen alternativen Ansatz wählen:
<code class="python">df = pd.read_json("myJson.json")
df.locations = pd.DataFrame(df.locations.values.tolist())['name']
df = df.groupby(['date','name','number'])['locations'].apply(','.join).reset_index()
print (df)</code>Ausgabe:
date name locations 0 2016-01-10 R 3932 Spital am Pyhrn Bahnhof,Windischgarsten Bahnho...
Diese Technik ermöglicht Ihnen die Verkettung die Standorte, ohne die Neststruktur zu beeinträchtigen.
Das obige ist der detaillierte Inhalt vonWie konvertiert man verschachtelte JSON-Strukturen in strukturierte Pandas-DataFrames?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
![[Web-Frontend] Node.js-Schnellstart](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
