Bagaimana untuk Mengimport dan Memproses Data JSON Bersarang ke dalam Pandas DataFrames?

Linda Hamilton
Lepaskan: 2024-10-24 11:40:02
asal
855 orang telah melayarinya

How to Import and Process Nested JSON Data into Pandas DataFrames?

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>
Salin selepas log masuk

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>
Salin selepas log masuk

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>
Salin selepas log masuk

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>
Salin selepas log masuk

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>
Salin selepas log masuk

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!

sumber:php
Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Artikel terbaru oleh pengarang
Tutorial Popular
Lagi>
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan
Tentang kita Penafian Sitemap
Laman web PHP Cina:Latihan PHP dalam talian kebajikan awam,Bantu pelajar PHP berkembang dengan cepat!