pandasjson格式(对pandas处理json数据的方法详解)
pandasjson格式
对pandas处理json数据的方法详解今天展示一个利用pandas将json数据导入excel例子,主要利用的是pandas里的read_json函数将json数据转化为dataframe。
先拿出我要处理的json字符串:
|
strtext = '[{ "ttery" : "min" , "issue" : "20130801-3391" , "code" : "8,4,5,2,9" , "code1" : "297734529" , "code2" :null, "time" : 1013395466000 },\ { "ttery" : "min" , "issue" : "20130801-3390" , "code" : "7,8,2,1,2" , "code1" : "298058212" , "code2" :null, "time" : 1013395406000 },\ { "ttery" : "min" , "issue" : "20130801-3389" , "code" : "5,9,1,2,9" , "code1" : "298329129" , "code2" :null, "time" : 1013395346000 },\ { "ttery" : "min" , "issue" : "20130801-3388" , "code" : "3,8,7,3,3" , "code1" : "298588733" , "code2" :null, "time" : 1013395286000 },\ { "ttery" : "min" , "issue" : "20130801-3387" , "code" : "0,8,5,2,7" , "code1" : "298818527" , "code2" :null, "time" : 1013395226000 }]' |
pandas.read_json的语法如下:
|
pandas.read_json(path_or_buf = none, orient = none, typ = 'frame' , dtype = true, convert_axes = true, convert_dates = true, keep_default_dates = true, numpy = false, precise_float = false, date_unit = none, encoding = none, lines = false, chunksize = none, compression = 'infer' ) |
第一参数就是json文件路径或者json格式的字符串。
第二参数orient是表明预期的json字符串格式。orient的设置有以下几个值:
(1).'split' : dict like {index -> [index], columns -> [columns], data -> [values]}
这种就是有索引,有列字段,和数据矩阵构成的json格式。key名称只能是index,columns和data。
'records' : list like [{column -> value}, ... , {column -> value}]
这种就是成员为字典的列表。如我今天要处理的json数据示例所见。构成是列字段为键,值为键值,每一个字典成员就构成了dataframe的一行数据。
'index' : dict like {index -> {column -> value}}
以索引为key,以列字段构成的字典为键值。如:
'columns' : dict like {column -> {index -> value}}
这种处理的就是以列为键,对应一个值字典的对象。这个字典对象以索引为键,以值为键值构成的json字符串。如下图所示:
'values' : just the values array。
values这种我们就很常见了。就是一个嵌套的列表。里面的成员也是列表,2层的。
主要就说下这两个参数吧。下面我们回到示例中来。我们看前面可以发现示例是一个orient为records的json字符串。
这样就好处理了。看代码:
|
# -*- coding: utf-8 -*- """ created on sun aug 5 09:01:38 2018 @author: fanxiaolei """ import pandas as pd strtext = '[{ "ttery" : "min" , "issue" : "20130801-3391" , "code" : "8,4,5,2,9" , "code1" : "297734529" , "code2" :null, "time" : 1013395466000 },\ { "ttery" : "min" , "issue" : "20130801-3390" , "code" : "7,8,2,1,2" , "code1" : "298058212" , "code2" :null, "time" : 1013395406000 },\ { "ttery" : "min" , "issue" : "20130801-3389" , "code" : "5,9,1,2,9" , "code1" : "298329129" , "code2" :null, "time" : 1013395346000 },\ { "ttery" : "min" , "issue" : "20130801-3388" , "code" : "3,8,7,3,3" , "code1" : "298588733" , "code2" :null, "time" : 1013395286000 },\ { "ttery" : "min" , "issue" : "20130801-3387" , "code" : "0,8,5,2,7" , "code1" : "298818527" , "code2" :null, "time" : 1013395226000 }]' df = pd.read_json(strtext,orient = 'records' ) df.to_excel( 'pandas处理json.xlsx' ,index = false,columns = [ "ttery" , "issue" , "code" , "code1" , "code2" , "time" ]) |
最终写入excel如下图:
以上这篇pandas处理json数据就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持开心学习网。
原文链接:https://blog.csdn.net/qq_24499417/article/details/81428594
- JSON中的特殊字符
- 纯css和js有什么区别(CSS语法与JSON、JS对象区别比较)
- json和xml比较与区别
- packagejson怎么使用(最全的package.json解析)
- ASP.NET中XML和JSON互转
- mysql的json格式解析(mysql json格式数据查询操作)
- eval解析json字符串
- SQLServer中JSON文档型数据的查询问题解决(SQLServer中JSON文档型数据的查询问题解决)
- php生成json信息(php使用json-schema模块实现json校验示例)
- mysql存储json的方式(MySQL中查询json格式的字段实例详解)
- mysql xml转换json(Mysql将查询结果集转换为JSON数据的实例代码)
- SQL Server中如何将数据导出为XML或Json文件
- python的decode函数在哪个模块(python中报错"json.decoder.JSONDecodeError: Expecting value:"的解决)
- js如何操作json字符串
- python操作json库(Python将json文件写入ES数据库的方法)
- thinkphp返回json(thinkphp5框架实现数据库读取的数据转换成json格式示例)
- 七夕的寓意(七夕的寓意)
- 苏志燮赵恩静结婚,韩国四大公共财产变三人,这么快就有替补了(苏志燮赵恩静结婚)
- 《内在美》后,一大波新韩剧来袭,李钟硕朴信惠宋慧乔玄彬回归(一大波新韩剧来袭)
- 给孩子选购保温杯,注意这4个步骤,比颜值更重要(给孩子选购保温杯)
- 保温好 容量大 颜值高 保温杯你给娃娃买对了吗(保温好容量大颜值高)
- 《道德经》 人生避开骄狂,才能免去祸患(道德经人生避开骄狂)
热门推荐
- 后端ui框架排名(前后端结合实现amazeUI分页效果)
- opencv人脸识别实战(Python opencv实现人眼/人脸识别以及实时打码处理)
- mongodb备份和还原
- nodejs爬虫(node.js做一个简单的爬虫案例教程)
- nginx 怎么避免options请求(详解nginx 的 default_server 定义及匹配规则)
- python电脑端微信自动化(python使用wxpy实现微信消息防撤回脚本)
- 网站怎么样选服务器(网站服务器怎么选?)
- C#获取页面的HTML
- dedecms开发教程(织梦DedeCms调用全站相关文章方法)
- python变量与对象的关系(Python面向对象程序设计类变量与成员变量、类方法与成员方法用法分析)
排行榜
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9