Pandas pd.read_json() Función

Python math 模块 Funciones comunes de Pandas

read_json()Es una función de la librería pandas que se utiliza para leer archivos JSON (JavaScript Object Notation) y admite la importación de datos en múltiples formatos JSON.

JSON es un formato ligero de intercambio de datos, fácil de leer y escribir para los humanos, y también fácil de analizar y generar para las máquinas. Se utiliza ampliamente en escenarios como Web APIs y archivos de configuración.read_json()Puede convertir datos JSON al formato DataFrame de pandas, lo que facilita el análisis de datos.

Sintaxis básica y parámetros

Formato de sintaxis

pandas.read_json(path_or_buf, orient=None, typ='frame', dtype=None,
                convert_axes=None, convert_dates=True, keep_default_dates=True,
                numpy=False, precise_float=False, date_unit='ms', ...)

Descripción de parámetros

Parámetro	Tipo	Descripción	Valor predeterminado
path_or_buf	str, path object o file-like object	Ruta de archivo JSON, URL o cadena	Obligatorio
orient	str	Formato de los datos JSON: 'split', 'records', 'index', 'columns', 'values'	None
typ	str	Tipo de retorno: 'frame' devuelve DataFrame, 'series' devuelve Series	'frame'
dtype	dict	Especifica el tipo de datos de las columnas	None
convert_axes	bool	Si se convierte el eje a fecha y hora (datetime)	None
convert_dates	bool, list	Si se convierten las columnas de fechas	True
numpy	bool	Si se utilizan arrays de numpy	False

Valor de retorno

Tipo de retorno：pd.DataFrameopd.Series
Por defecto, devuelve un DataFrame, que puede ser en forma de tabla bidimensional.
Cuandotyp='series'Cuando orient='series', devuelve Series.

Ejemplos

Mediante los siguientes ejemplos, domine completamenteread_json()los diversos usos de ...

Ejemplo 1: Leer datos JSON en diferentes formatos

Los datos JSON tienen múltiples formatos,read_json()admite los formatos más comunes.

Ejemplos

import pandas as pd
import json

# Datos de ejemplo: formato de array JSON (formato records)
json_records = '''
[
{"name": "Tom", "age": 28, "city": "Beijing", "salary": 8000},
{"name": "Jerry", "age": 35, "city": "Shanghai", "salary": 12000},
{"name": "Mike", "age": 42, "city": "Guangzhou", "salary": 15000}
]
'''

# Escribir la cadena JSON en un archivo
with open('data_records.json', 'w', encoding='utf-8') as f:
f.write(json_records)

# Leer el archivo JSON (formato records, el más común)
# orient='records' indica que cada fila es un objeto JSON
df_records = pd.read_json('data_records.json', orient='records')
print("Formato Records:")
print(df_records)
print()

# Datos de ejemplo: formato de objeto JSON (formato index)
json_index = '''
{
"Tom": {"age": 28, "city": "Beijing", "salary": 8000},
"Jerry": {"age": 35, "city": "Shanghai", "salary": 12000},
"Mike": {"age": 42, "city": "Guangzhou", "salary": 15000}
}
'''

with open('data_index.json', 'w', encoding='utf-8') as f:
f.write(json_index)

# Leer el archivo JSON (formato index, usando un campo como índice)
df_index = pd.read_json('data_index.json', orient='index')
print("Formato Index:")
print(df_index)
print()

# Datos de ejemplo: formato de columnas JSON (formato columns)
json_columns = '''
{
"name": ["Tom", "Jerry", "Mike"],
"age": [28, 35, 42],
"city": ["Beijing", "Shanghai", "Guangzhou"],
"salary": [8000, 12000, 15000]
}
'''

with open('data_columns.json', 'w', encoding='utf-8') as f:
f.write(json_columns)

# Leer el archivo JSON (formato columns)
df_columns = pd.read_json('data_columns.json', orient='columns')
print("Formato Columns:")
print(df_columns)

Resultado esperado de la ejecución:

Records 格式:
    name  age       city  salary
0    Tom   28    Beijing    8000
1  Jerry   35   Shanghai   12000
2   Mike   42  Guangzhou   15000

Index 格式:
         age       city  salary
Tom       28    Beijing    8000
Jerry    35   Shanghai   12000
Mike     42  Guangzhou   15000

Columns 格式:
    name  age       city  salary
0    Tom   28    Beijing    8000
1  Jerry   参数          Shanghai   12000
2   Mike   42  Guangzhou   15000

Análisis del código:

orient='records': formato de array JSON, cada fila es un objeto JSON, es el formato más utilizado.
orient='index': formato de objeto JSON, las claves actúan como índice.
orient='columns': formato de columnas JSON, las claves son nombres de columnas y los valores son arrays.
Especificar correctamenteorientel parámetro es crucial para analizar correctamente los datos JSON.

Ejemplo 2: Leer JSON desde cadenas y URL

read_json()No solo puede leer archivos, sino que también admite la lectura de datos desde cadenas y URL.

Ejemplos

import pandas as pd
import json
from io import StringIO

# Ejemplo 2a: Leer desde una cadena JSON
json_string = '''
[
{"product": "A", "sales": 100, "region": "North"},
{"product": "B", "sales": 200, "region": "South"},
{"product": "C", "sales": 150, "region": "East"}
]
'''

# Usar StringIO para convertir la cadena en un objeto de archivo
df_from_string = pd.read_json(StringIO(json_string))
print("Lectura desde cadena:")
print(df_from_string)
print()

# También se puede pasar la cadena JSON directamente en el parámetro
# Nota: Las cadenas de Python deben escaparse correctamente
json_str_direct = '[{"product": "A", "sales": 100}, {"product": "B", "sales": 200}]'
df_direct = pd.read_json(json_str_direct)
print("Pasar la cadena directamente:")
print(df_direct)
print()

# Ejemplo 2b: Leer el formato JSON Lines (un objeto JSON por línea)
# JSON Lines es un formato de registro (log) común
json_lines = '''{"name": "Tom", "score": 85}
{"name": "Jerry", "score": 92}
{"name": "Mike", "score": 78}
{"name": "Lucy", "score": 95}'''

with open('data_lines.json', 'w', encoding='utf-8') as f:
f.write(json_lines)

# El formato JSON Lines requiere lectura línea por línea
# Se puede usar el parámetro lines=True (si el formato JSONL lo admite)
# O procesarlo manualmente
df_list = []
with open('data_lines.json', 'r', encoding='utf-8') as f:
for line in f:
df_list.append(json.loads(line))

df_lines = pd.DataFrame(df_list)
print("Lectura del formato JSON Lines:")
print(df_lines)
print()

# Ejemplo 2c: Leer desde una URL de API (requiere acceso a la red)
# Aquí se utiliza una API de ejemplo; al usarlo realmente, reemplácela por una URL real
# df_api = pd.read_json('https://api.example.com/data')
# print(df_api)
print("Nota: Leer desde una URL requiere una solicitud de red real")

Resultado esperado de la ejecución:

从字符串读取:
  product  sales region
0       A    100   North
1       B    200   South
2       C    150    East

直接传入字符串:
  product  sales
0       A    100
1       B    200

JSON Lines 格式读取:
    name  score
0    Tom     85
1  Jerry     92
2    Mike     78
3    Lucy     95

注意：从 URL 读取需要实际的网络请求

Análisis del código:

read_json()Puede aceptar cadenas JSON como entrada; useStringIOpara convertir la cadena en un objeto similar a un archivo.
El formato JSON Lines consiste en un objeto JSON independiente por línea, comúnmente utilizado en el procesamiento de registros (logs); es necesario leerlo línea por línea y luego combinarlo en un DataFrame.
Al leer desde una URL, basta con pasar la cadena de la URL directamente, pero se requiere soporte de red.

Ejemplo 3: Manejo de fechas y conversión de tipos

Las fechas y los tipos numéricos en los datos JSON requieren un manejo especial.

Ejemplos

import pandas as pd

# Ejemplo 3a: Manejo de campos de fecha
json_with_date = '''
[
{"name": "Tom", "birthday": "1995-03-15", "join_date": "2020-01-10"},
{"name": "Jerry", "birthday": "1988-07-22", "join_date": "2019-03-05"},
{"name": "Mike", "birthday": "1981-11-30", "join_date": "2018-06-20"}
]
'''

with open('data_with_date.json', 'w', encoding='utf-8') as f:
f.write(json_with_date)

# Por defecto, las cadenas de fecha se leen como tipo object
df_date = pd.read_json('data_with_date.json')
print("Lectura predeterminada (fechas como cadenas):")
print(df_date)
print("Tipo de birthday:", df_date['birthday'].dtype)
print()

# Usar convert_dates para convertir automáticamente las columnas de fecha
df_date_converted = pd.read_json('data_with_date.json', convert_dates=['birthday', 'join_date'])
print("Después de convertir las fechas:")
print(df_date_converted)
print("Tipo de birthday:", df_date_converted['birthday'].dtype)
print()

# Ejemplo 3b: Especificar tipos de datos
json_mixed = '''
[
{"id": "1", "name": "Tom", "score": 85.5},
{"id": "2", "name": "Jerry", "score": 92.0},
{"id": "3", "name": "Mike", "score": 78.5}
]
'''

with open('data_mixed.json', 'w', encoding='utf-8') as f:
f.write(json_mixed)

# Por defecto, id se lee como entero, name como cadena y score como número de punto flotante
df_mixed = pd.read_json('data_mixed.json')
print("Inferencia de tipos predeterminada:")
print(df_mixed)
print("Tipo de id:", df_mixed['id'].dtype)
print()

# Usar dtype para especificar los tipos explícitamente
df_typed = pd.read_json('data_mixed.json', dtype={'id': str, 'score': float})
print("Después de especificar los tipos:")
print(df_typed)
print("Tipo de id:", df_typed['id'].dtype)

Resultado esperado de la ejecución:

默认读取（日期为字符串）:
    name    birthday    join_date
0    Tom  1995-03-15  2020-01-10
1  Jerry  1988-07-22  2019-03-05
2    Mike  1981-11-30  2018-06-20

默认读取（日期为字符串）:
    name    birthday    join_date
0    汤    Tom  1995-03-15  pandas 的 to_json() 和 read_json() 的完整配对示例
1  Jerry  1988-07-22  2019-03-05
2    Mike  1981-11-30  确保 JSON 数据格式一致
    1981-配对    to_json(orient='records')  配对    read_json(orient='records')
3   Mike  1981-11-30  to_json(orient='records')
...
    join_date    2018-06-20

birthday 类型: object

转换日期后:
birthday 类型: datetime64[ns]

Análisis del código:

convert_datesEl parámetro puede especificar qué columnas deben convertirse al tipo de fecha.
De forma predeterminada,convert_dates=Truereconoce automáticamente los formatos de fecha comunes.
dtypeEl parámetro puede especificar explícitamente el tipo de datos de cada columna, evitando errores de inferencia de tipos.

Notas

Especificar correctamenteorientel parámetro es la clave para leer datos JSON; diferentes estructuras JSON requieren diferentes valores de orient.
Las fechas en JSON se leen por defecto como cadenas; es necesario usarconvert_datesel parámetro para convertirlas al tipo de fecha.
Al leer archivos JSON grandes, se puede considerar usarchunksizeel parámetro para lectura por bloques (chunks).
read_json()Admite la lectura desde rutas de archivo, URL y cadenas JSON.
El formato JSON Lines debe analizarse línea por línea y luego combinarse en un DataFrame.

Resumen

read_json()Es la función principal en pandas para leer datos JSON y admite múltiples formatos JSON. Como formato común de Web API e intercambio de datos, JSON se aplica ampliamente en el trabajo real de análisis de datos.

Dominarread_json()la clave es comprender los diferentesorientformatos, así como los métodos de manejo de fechas y tipos. Se recomienda a los lectores practicar más la lectura de datos JSON en diferentes formatos en su trabajo real.

Python math 模块 Funciones comunes de Pandas

Otras extensiones

Lectura y escritura de datos

Núcleo de procesamiento de datos

Manual de referencia

Estadística y casos

Pandas pd.read_json() Función

Sintaxis básica y parámetros

Formato de sintaxis

Descripción de parámetros

Valor de retorno

Ejemplos

Ejemplo 1: Leer datos JSON en diferentes formatos

Ejemplos

Ejemplo 2: Leer JSON desde cadenas y URL

Ejemplos

Ejemplo 3: Manejo de fechas y conversión de tipos

Ejemplos

Notas

Resumen