如何有效地将 Google Maps Elevation API JSON 转换为 Pandas DataFrame？

JSON 到 pandas DataFrame：处理来自 Google Maps API 的海拔数据

处理 JSON 数据时，将其转换为结构化格式，例如pandas DataFrame 对于进一步分析至关重要。在处理从 API（例如 Google Maps Elevation API）获取的数据时经常会遇到这种情况。

在您的情况下，您收到的 JSON 数据包括有关海拔、纬度和经度坐标的信息。您的目标是将此数据转换为结构化 DataFrame。

要实现此目标，一种方法是手动从 JSON 响应中提取所需字段并相应地构建 DataFrame。虽然这种方法有效，但它可能很乏味且容易出错。

幸运的是，pandas 通过其 json_normalize() 函数提供了更方便的解决方案。此函数允许您将嵌套的 JSON 结构转换为 DataFrame。它会自动展平嵌套数据，将其转换为表格格式。

这是一个简化的示例，演示如何将 json_normalize() 与您的海拔数据一起使用：

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"])

此代码将创建一个DataFrame 具有以下内容columns:

• 海拔
• location.lat
• location.lng

使用 json_normalize()，您可以高效地转换您的复杂数据JSON 响应到结构化 DataFrame，使分析和操作数据变得更容易。

以上是如何有效地将 Google Maps Elevation API JSON 转换为 Pandas DataFrame？的详细内容。更多信息请关注PHP中文网其他相关文章！