如何有效地將 Google Maps Elevation API JSON 轉換為 Pandas DataFrame？

JSON 到pandas DataFrame：處理來自Google Maps API 的海拔資料

處理JSON 資料時，將其轉換為結構化格式，例如pandas DataFrame 對於進一步分析至關重要。在處理從 API（例如 Google Maps Elevation API）取得的資料時經常會遇到這種情況。

在您的情況下，您收到的 JSON 資料包括有關海拔、緯度和經度座標的資訊。您的目標是將此資料轉換為結構化 DataFrame。

要實現此目標，一種方法是手動從 JSON 回應中提取所需欄位並相應地建立 DataFrame。雖然這種方法有效，但它可能很乏味且容易出錯。

幸運的是，pandas 透過其 json_normalize() 函數提供了更方便的解決方案。此函數可讓您將巢狀的 JSON 結構轉換為 DataFrame。它會自動展平嵌套數據，將其轉換為表格格式。

這是一個簡化的範例，示範如何將 json_normalize() 與您的海拔資料一起使用：

import pandas as pd

# Sample JSON response
data = {
    "results": [
        {"elevation": 243.3462677001953, "location": {"lat": 42.974049, "lng": -81.205203}},
        {"elevation": 244.1318664550781, "location": {"lat": 42.974298, "lng": -81.19575500000001}},
    ],
    "status": "OK",
}

# Convert JSON data to DataFrame using json_normalize()
df = pd.json_normalize(data["results"])

此程式碼將建立一個DataFrame具有以下內容columns:

• 海拔
• location.lat
• location.lng

使用json_normalize()，您可以高效能高效能地轉換您的複雜資料JSON 回應到結構化DataFrame，使分析和操作資料變得更容易。

以上是如何有效地將 Google Maps Elevation API JSON 轉換為 Pandas DataFrame？的詳細內容。更多資訊請關注PHP中文網其他相關文章！