Membaca Fail JSON Bersarang sebagai Pandas DataFrames
Apabila bekerja dengan data JSON yang mengandungi objek bersarang, anda mungkin perlu menukarnya menjadi lebih format berstruktur untuk analisis atau manipulasi. Pandas menyediakan alatan berguna untuk mengendalikan data sedemikian dengan cekap.
Senario:
Pertimbangkan fail JSON dengan struktur berikut:
<code class="json">{ "number": "", "date": "01.10.2016", "name": "R 3932", "locations": [ { ... }, { ... }, { ... } ] }</code>
Menggunakan json_normalize:
Fungsi json_normalize membolehkan anda meratakan JSON bersarang ke dalam DataFrame. Untuk JSON yang diberikan, anda boleh melakukan perkara berikut:
<code class="python">import pandas as pd 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>
Ini akan mencipta DataFrame dengan lajur berikut:
Melanjutkan untuk Menyimpan Data Bersarang:
Jika anda lebih suka mengekalkan tatasusunan bersarang, anda boleh menggunakan read_json dengan parameter penghuraian. Ini akan menghuraikan JSON ke dalam DataFrame dengan lajur lokasi sebagai senarai kamus.
<code class="python">df = pd.read_json("myJson.json", orient='records', parsing = True)</code>
Sebagai alternatif, anda boleh menghuraikan lajur lokasi menggunakan parameter pembina:
<code class="python">df = pd.read_json("myJson.json", orient='records', constructor=lambda x: pd.DataFrame(x['locations']))</code>
Menggabungkan Nilai Bersarang:
Jika anda ingin menggabungkan nilai dalam lajur lokasi menjadi satu rentetan, anda boleh menggunakan groupby dan menggunakan fungsi:
<code class="python">df = df.groupby(['date', 'name', 'number'])['locations'].apply(','.join).reset_index()</code>
Atas ialah kandungan terperinci Bagaimana untuk Mengimport dan Memproses Data JSON Bersarang ke dalam Pandas DataFrames?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!