Pandas JSON

JSON（JavaScript Object NNotación de objetos JavaScript, es una sintaxis para almacenar e intercambiar información de texto, similar a XML.

JSON es más pequeño, más rápido y más fácil de analizar que XML. Para más contenido sobre JSON, consulteTutorial de JSON。

Pandas proporciona potentes métodos para manejar datos en formato JSON, admite leer datos desde archivos o cadenas JSON y convertirlos a DataFrame, así como convertir DataFrame de vuelta a formato JSON.

Operación	Método	Descripción
Leer datos desde archivo/cadena JSON	`pd.read_json()`	Leer datos JSON y cargarlos como DataFrame
Convertir DataFrame a JSON	`DataFrame.to_json()`	Convierte DataFrame a datos en formato JSON, se puede especificar el método de estructuración
Métodos de estructuración JSON compatibles	`orient`Parámetro	Admite múltiples métodos de estructuración, como`split`、`records`、`columns`

Pandas puede manejar datos JSON convenientemente. Este artículo toma como ejemplosites.jsonpor ejemplo, el contenido es el siguiente:

Ejemplo

[ { "id": "A001", "name": "Tutorial para novatos", "url": "www.example.com", "likes": 61 }, { "id": "A002", "name": "Google", "url": "www.google.com", "likes": 124 }, { "id": "A003", "name": "Taobao", "url": "www.taobao.com", "likes": 45 } ]

Cargar datos desde archivos/cadenas JSON

pd.read_json() - Leer datos JSON

read_json() se utiliza para leer datos en formato JSON y cargarlos como un DataFrame. Admite cargar datos desde archivos JSON, cadenas JSON o URLs JSON.

Formato de sintaxis:

import pandas as pd

df = pd.read_json(
    path_or_buffer,      # JSON 文件路径、JSON 字符串或 URL
    orient=None,         # JSON 数据的结构方式，默认是 'columns'
    dtype=None,          # 强制指定列的数据类型
    convert_axes=True,   # 是否转换行列索引
    convert_dates=True,  # 是否将日期解析为日期类型
    keep_default_na=True # 是否保留默认的缺失值标记
)

Descripción de parámetros:

Parámetro	Descripción	Valor predeterminado
`path_or_buffer`	Ruta del archivo JSON, cadena JSON o URL	Parámetro obligatorio
`orient`	Define el método de formato de los datos JSON. Los valores comunes son:`split`、`records`、`index`、`columns`、`values`。	`None`(inferido automáticamente del archivo)
`dtype`	Forzar la especificación del tipo de dato de las columnas	`None`
`convert_axes`	Si se convierten los ejes a tipos de datos apropiados	`True`
`convert_dates`	Si se analizan las fechas como tipo fecha	`True`
`keep_default_na`	Si se conservan los marcadores de valores faltantes predeterminados (como`NaN`）	`True`

Opciones comunes del parámetro orient:

Valor de orient	Ejemplo de formato JSON	Descripción
`split`	`{"index":["a","b"],"columns":["A","B"],"data":[[1,2],[3,4]]}`	Usar claves`index`、`columns`y`data`Estructura
`records`	`[{"A":1,"B":2},{"A":3,"B":4}]`	Cada registro es un diccionario, que representa una fila de datos
`index`	`{"a":{"A":1,"B":2},"b":{"A":3,"B":4}}`	Usa el índice como clave y el valor como diccionario
`columns`	`{"A":{"a":1,"b":3},"B":{"a":2,"b":4}}`	Usa los nombres de columnas como claves y los valores como diccionarios
`values`	`[[1,2],[3,4]]`	Devuelve solo los datos, sin incluir el índice ni los nombres de columnas

Cargar datos desde un archivo JSON:

Ejemplo

import pandas as pd

df = pd.read_json('sites.json')

print(df.to_string())

to_string()Se utiliza para devolver datos de tipo DataFrame; también podemos procesar directamente cadenas JSON.

Ejemplo

import pandas as pd

data =[
{
"id": "A001",
"name": "Tutorial para novatos",
"url": "www.example.com",
"likes": 61
},
{
"id": "A002",
"name": "Google",
"url": "www.google.com",
"likes": 124
},
{
"id": "A003",
"name": "Taobao",
"url": "www.taobao.com",
"likes": 45
}
]
df = pd.DataFrame(data)

print(df)

El resultado del ejemplo anterior es:

     id    name             url  likes
0  A001    Ejemplo  www.example.com     61
1  A002  Google  www.google.com    124
2  A003      淘宝  www.taobao.com     45

Los objetos JSON tienen el mismo formato que los diccionarios de Python, por lo que podemos convertir directamente diccionarios de Python en datos DataFrame:

Ejemplo

import pandas as pd

# JSON en formato de diccionario
s = {
"col1":{"row1":1,"row2":2,"row3":3},
"col2":{"row1":"x","row2":"y","row3":"z"}
}

# Leer JSON y convertir a DataFrame
df = pd.DataFrame(s)
print(df)

El resultado del ejemplo anterior es:

      col1 col2
row1     1    x
row2     2    y
row3     3    z

Leer datos JSON desde URL:

Ejemplo

import pandas as pd

URL = '/static.jyshare.com/download/sites.json?v=2'
df = pd.read_json(URL)
print(df)

El resultado del ejemplo anterior es:

     id    name             url  likes
0  A001    Ejemplo  www.example.com     61
1  A002  Google  www.google.com    124
2  A003      淘宝  www.taobao.com     45

Cargar datos desde una cadena JSON:

Ejemplo

import pandas as pd

# Cadena JSON
json_data = '''
[
{"Name": "Alice", "Age": 25, "City": "New York"},
{"Name": "Bob", "Age": 30, "City": "Los Angeles"},
{"Name": "Charlie", "Age": 35, "City": "Chicago"}
]
'''

# Leer datos desde la cadena JSON
df = pd.read_json(json_data)

print(df)

Salida:

      Name  Age           City
0    Alice   25       New York
1      Bob   30    Los Angeles
2  Charlie   35        Chicago

Leer desde datos JSON (especificar orient como records):

Ejemplo

import pandas as pd

# Datos JSON
json_data = '''
[
{"Name": "Alice", "Age": 25, "City": "New York"},
{"Name": "Bob", "Age": 30, "City": "Los Angeles"},
{"Name": "Charlie", "Age": 35, "City": "Chicago"}
]
'''

# Leer datos desde la cadena JSON, especificar orient='records'
df = pd.read_json(json_data, orient='records')

print(df)

Salida:

      Name  Age           City
0    Alice   25       New York
1      Bob   30    Los Angeles
2  Charlie   35        Chicago

Datos JSON anidados

Supongamos que hay un conjunto de archivos de datos JSON anidadosnested_list.json ：

Contenido del archivo nested_list.json

{
"school_name": "ABC primary school",
"class": "Year 1",
"students": [
{
"id": "A001",
"name": "Tom",
"math": 60,
"physics": 66,
"chemistry": 61
},
{
"id": "A002",
"name": "James",
"math": 89,
"physics": 76,
"chemistry": 51
},
{
"id": "A003",
"name": "Jenny",
"math": 79,
"physics": 90,
"chemistry": 78
}]
}

Utilice el siguiente código para formatear el contenido completo:

Ejemplo

import pandas as pd

df = pd.read_json('nested_list.json')

print(df)

El resultado del ejemplo anterior es:

          school_name   class                                           students
0  ABC primary school  Year 1  {'id': 'A001', 'name': 'Tom', 'math': 60, 'phy...
1  ABC primary school  Year 1  {'id': 'A002', 'name': 'James', 'math': 89, 'p...
2  ABC primary school  Year 1  {'id': 'A003', 'name': 'Jenny', 'math': 79, 'p...

En este momento necesitamos usarjson_normalize()método para analizar completamente los datos anidados:

Ejemplo

import pandas as pd
import json

# Usar el módulo JSON de Python para cargar datos
with open('nested_list.json','r') as f:
data = json.loads(f.read())

# Aplanar datos
df_nested_list = pd.json_normalize(data, record_path =['students'])
print(df_nested_list)

El resultado del ejemplo anterior es:

     id   name  math  physics  chemistry
0  A001    Tom    60       66         61
1  A002  James    89       76         51
2  A003  Jenny    79       90         78

data = json.loads(f.read())Usar el módulo JSON de Python para cargar datos.

json_normalize()Se utilizó el parámetrorecord_pathy se estableció en['students']para expandir los datos JSON anidadosstudents。

El resultado mostrado aún no incluye los elementos school_name y class. Si necesita mostrarlos, puede usar el parámetro meta para mostrar estos metadatos:

Ejemplo

import pandas as pd
import json

# Usar el módulo JSON de Python para cargar datos
with open('nested_list.json','r') as f:
data = json.loads(f.read())

# Aplanar datos
df_nested_list = pd.json_normalize(
data,
record_path =['students'],
meta=['school_name', 'class']
)
print(df_nested_list)

El resultado del ejemplo anterior es:

     id   name  math  physics  chemistry         school_name   class
0  A001    Tom    60       66         61  ABC primary school  Year 1
1  A002  James    89       76         51  ABC primary school  Year 1
2  A003  Jenny    79       90         78  ABC primary school  Year 1

A continuación, intentemos leer datos JSON más complejos, que anidan listas y diccionarios. El archivo de datosnested_mix.jsones el siguiente:

Contenido del archivo nested_mix.json

{
"school_name": "local primary school",
"class": "Year 1",
"info": {
"president": "John Kasich",
"address": "ABC road, London, UK",
"contacts": {
"email": "[email protected]",
"tel": "123456789"
}
},
"students": [
{
"id": "A001",
"name": "Tom",
"math": 60,
"physics": 66,
"chemistry": 61
},
{
"id": "A002",
"name": "James",
"math": 89,
"physics": 76,
"chemistry": 51
},
{
"id": "A003",
"name": "Jenny",
"math": 79,
"physics": 90,
"chemistry": 78
}]
}

Convertir el archivo nested_mix.json a DataFrame:

Ejemplo

import pandas as pd
import json

# Usar el módulo JSON de Python para cargar datos
with open('nested_mix.json','r') as f:
data = json.loads(f.read())

df = pd.json_normalize(
data,
record_path =['students'],
meta=[
'class',
['info', 'president'],
['info', 'contacts', 'tel']
]
)

print(df)

El resultado del ejemplo anterior es:

     id   name  math  physics  chemistry   class info.president info.contacts.tel
0  A001    Tom    60       66         61  Year 1    John Kasich         123456789
1  A002  James    89       76         51  Year 1    John Kasich         123456789
2  A003  Jenny    79       90         78  Year 1    John Kasich         123456789

Leer un conjunto de datos de los datos anidados

El siguiente es el archivo de ejemplonested_deep.json, solo leemos elmathcampo:

Contenido del archivo nested_deep.json

{
"school_name": "local primary school",
"class": "Year 1",
"students": [
{
"id": "A001",
"name": "Tom",
"grade": {
"math": 60,
"physics": 66,
"chemistry": 61
}

},
{
"id": "A002",
"name": "James",
"grade": {
"math": 89,
"physics": 76,
"chemistry": 51
}

},
{
"id": "A003",
"name": "Jenny",
"grade": {
"math": 79,
"physics": 90,
"chemistry": 78
}
}]
}

Aquí necesitamos usar elglommódulo para manejar el anidamiento de datos,glomel módulo nos permite usar.para acceder a las propiedades de los objetos anidados.

Para el primer uso, necesitamos instalar glom:

pip3 install glom

Ejemplo

import pandas as pd
from glom import glom

df = pd.read_json('nested_deep.json')

data = df['students'].apply(lambda row: glom(row, 'grade.math'))
print(data)

El resultado del ejemplo anterior es:

0    60
1    89
2    79
Name: students, dtype: int64

Convertir DataFrame a JSON

DataFrame.to_json() - Convertir DataFrame a datos JSON

El método to_json() se utiliza para convertir DataFrame a datos en formato JSON, y se puede especificar el método de estructuración de JSON.

Formato de sintaxis:

df.to_json(
    path_or_buffer=None,    # 输出的文件路径或文件对象，如果是 None 则返回 JSON 字符串
    orient=None,            # JSON 格式方式，支持 'split', 'records', 'index', 'columns', 'values'
    date_format=None,       # 日期格式，支持 'epoch', 'iso'
    default_handler=None,   # 自定义非标准类型的处理函数
    lines=False,            # 是否将每行数据作为一行（适用于 'records' o  'split'）
    encoding='utf-8'        # 编码格式
)

Descripción de parámetros:

Parámetro	Descripción	Valor predeterminado
`path_or_buffer`	La ruta del archivo de salida o el objeto de archivo, si es`None`, entonces devuelve una cadena JSON	`None`
`orient`	Especifica la estructura del formato JSON, admite`split`、`records`、`index`、`columns`、`values`	`None`(el valor predeterminado es`columns`）
`date_format`	Formato de fecha, admite`'epoch'`o`'iso'`formato	`None`
`default_handler`	Manejador personalizado para tipos no estándar (como`datetime`etc.) función de procesamiento	`None`
`lines`	Si se debe generar cada fila de datos como una línea (aplicable a`records`o`split`）	`False`
`encoding`	Formato de codificación del archivo de salida	`'utf-8'`

Ejemplo

Convertir DataFrame a archivo JSON (especificar orient='records'):

Ejemplo

import pandas as pd

# Crear DataFrame
df = pd.DataFrame({
'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'City': ['New York', 'Los Angeles', 'Chicago']
})

# Convertir DataFrame a archivo JSON, especificando orient='records'
df.to_json('data.json', orient='records', lines=True)

# Salida del contenido del archivo generado:
# [
# {"Name":"Alice","Age":25,"City":"New York"},
# {"Name":"Bob","Age":30,"City":"Los Angeles"},
# {"Name":"Charlie","Age":35,"City":"Chicago"}
# ]

Convertir DataFrame a JSON y especificar el formato de fecha:

Ejemplo

import pandas as pd

# Crear DataFrame con datos de fecha
df = pd.DataFrame({
'Name': ['Alice', 'Bob', 'Charlie'],
'Date': pd.to_datetime(['2021-01-01', '2022-02-01', '2023-03-01']),
'Age': [25, 30, 35]
})

# Convertir DataFrame a JSON y especificar el formato de fecha como 'iso'
json_str = df.to_json(date_format='iso')

print(json_str)
<p>

Salida:

{"Name":{"0":"Alice","1":"Bob","2":"Charlie"},"Date":{"0":"2021-01-01T00:00:00.000Z","1":"2022-02-01T00:00:00.000Z","2":"2023-03-01T00:00:00.000Z"},"Age":{"0":25,"1":30,"2":35}}

Otras extensiones

Archivo CSV de Pandas

Limpieza de datos con Pandas

Lectura y escritura de datos

Núcleo de procesamiento de datos

Manual de referencia

Estadística y casos

Pandas JSON

Ejemplo

Cargar datos desde archivos/cadenas JSON

pd.read_json() - Leer datos JSON

Ejemplo

Ejemplo

Ejemplo

Ejemplo

Ejemplo

Ejemplo

Datos JSON anidados

Contenido del archivo nested_list.json

Ejemplo

Ejemplo

Ejemplo

Contenido del archivo nested_mix.json

Ejemplo

Leer un conjunto de datos de los datos anidados

Contenido del archivo nested_deep.json

Ejemplo

Convertir DataFrame a JSON

DataFrame.to_json() - Convertir DataFrame a datos JSON

Ejemplo

Ejemplo

Ejemplo