Pandas pd.read_json() 関数
Pandas よく使う関数read_json()pd.read_jsonは、pandasライブラリでJSON（JavaScript Object Notation）ファイルを読み取るための関数で、さまざまなJSON形式のデータインポートをサポートしています。
JSONは軽量なデータ交換形式で、人間が読み書きしやすく、機械が解析・生成しやすいという特徴があります。Web APIや設定ファイルなどの場面で広く使用されています。read_json()JSONデータをpandasのDataFrame形式に変換でき、データ分析に便利です。
基本構文とパラメータ
構文形式
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', ...)
パラメータの説明
| パラメータ | 型 | 説明 | デフォルト値 |
|---|---|---|---|
| path_or_buf | str、path object、またはfile-like object | JSONファイルのパス、URL、または文字列 | 必須 |
| orient | str | JSONデータの形式：'split'、'records'、'index'、'columns'、'values' | None |
| typ | str | 戻り値の型：'frame'はDataFrameを返し、'series'はSeriesを返します | 'frame' |
| dtype | dict | 列のデータ型を指定 | None |
| convert_axes | bool | 軸を日時（datetime）に変換するかどうか | None |
| convert_dates | bool, list | 日付列を変換するかどうか | True |
| numpy | bool | numpy配列を使用するかどうか | False |
戻り値
- 戻り値の型：
pd.DataFrame或pd.Series - デフォルトではDataFrameを返し、2次元の表形式になります。
- 当
typ='series'orient='series'を指定した場合はSeriesを返します。
実例
以下の例を通して、完全に習得しましょうread_json()のさまざまな使い方を。
例1：さまざまな形式のJSONデータを読み取る
JSONデータにはさまざまな形式があり、read_json()pd.read_jsonは最も一般的ないくつかの形式をサポートしています。
実例
import pandas as pd
import json
# サンプルデータ：JSON配列形式（records format）
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}
]
'''
# JSON文字列をファイルに書き込む
with open('data_records.json', 'w', encoding='utf-8') as f:
f.write(json_records)
# JSONファイルを読み取る（records形式、最も一般的）
# orient='records' は各行が1つのJSONオブジェクトであることを示す
df_records = pd.read_json('data_records.json', orient='records')
print("Records形式:")
print(df_records)
print()
# サンプルデータ：JSONオブジェクト形式（index format）
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)
# JSONファイルを読み取る（index形式、指定フィールドをインデックスとする）
df_index = pd.read_json('data_index.json', orient='index')
print("Index形式:")
print(df_index)
print()
# サンプルデータ：JSON列形式（columns format）
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)
# JSONファイルを読み取る（columns形式）
df_columns = pd.read_json('data_columns.json', orient='columns')
print("Columns形式:")
print(df_columns)
import json
# サンプルデータ：JSON配列形式（records format）
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}
]
'''
# JSON文字列をファイルに書き込む
with open('data_records.json', 'w', encoding='utf-8') as f:
f.write(json_records)
# JSONファイルを読み取る（records形式、最も一般的）
# orient='records' は各行が1つのJSONオブジェクトであることを示す
df_records = pd.read_json('data_records.json', orient='records')
print("Records形式:")
print(df_records)
print()
# サンプルデータ：JSONオブジェクト形式（index format）
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)
# JSONファイルを読み取る（index形式、指定フィールドをインデックスとする）
df_index = pd.read_json('data_index.json', orient='index')
print("Index形式:")
print(df_index)
print()
# サンプルデータ：JSON列形式（columns format）
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)
# JSONファイルを読み取る（columns形式）
df_columns = pd.read_json('data_columns.json', orient='columns')
print("Columns形式:")
print(df_columns)
実行結果の想定:
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
コードの解説:
orient='records'orient='records'：JSON配列形式で、各行が1つのJSONオブジェクトであり、最も一般的な形式です。orient='index'orient='index'：JSONオブジェクト形式で、キーがインデックスになります。orient='columns'orient='columns'：JSON列形式で、キーが列名、値が配列になります。- orientパラメータを正しく指定することは、
orientJSONデータを正しく解析するために極めて重要です。
例2：文字列とURLからJSONを読み取る
read_json()ファイルだけでなく、文字列やURLからもデータを読み取ることができます。
実例
import pandas as pd
import json
from io import StringIO
# 例2a: JSON文字列から読み取る
json_string = '''
[
{"product": "A", "sales": 100, "region": "North"},
{"product": "B", "sales": 200, "region": "South"},
{"product": "C", "sales": 150, "region": "East"}
]
'''
# StringIOを使用して文字列をファイルオブジェクトに変換する
df_from_string = pd.read_json(StringIO(json_string))
print("文字列から読み取り:")
print(df_from_string)
print()
# パラメータにJSON文字列を直接渡すこともできます
# 注意：Pythonの文字列は正しくエスケープする必要があります
json_str_direct = '[{"product": "A", "sales": 100}, {"product": "B", "sales": 200}]'
df_direct = pd.read_json(json_str_direct)
print("文字列を直接渡す:")
print(df_direct)
print()
# 例2b: JSON Lines形式を読み取る（各行が1つのJSONオブジェクト）
# JSON Linesは一般的なログ形式です
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)
# JSON Lines形式は1行ずつ読み取る必要があります
# lines=Trueパラメータを使用できます（JSONL形式がサポートしている場合）
# または手動で処理します
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("JSON Lines形式の読み取り:")
print(df_lines)
print()
# 例2c: APIのURLから読み取る（ネットワークアクセスが必要）
# ここではサンプルAPIを使用しています。実際に使用する際は実際のURLに置き換えてください
# df_api = pd.read_json('https://api.example.com/data')
# print(df_api)
print("注意：URLから読み取るには実際のネットワークリクエストが必要です")
import json
from io import StringIO
# 例2a: JSON文字列から読み取る
json_string = '''
[
{"product": "A", "sales": 100, "region": "North"},
{"product": "B", "sales": 200, "region": "South"},
{"product": "C", "sales": 150, "region": "East"}
]
'''
# StringIOを使用して文字列をファイルオブジェクトに変換する
df_from_string = pd.read_json(StringIO(json_string))
print("文字列から読み取り:")
print(df_from_string)
print()
# パラメータにJSON文字列を直接渡すこともできます
# 注意：Pythonの文字列は正しくエスケープする必要があります
json_str_direct = '[{"product": "A", "sales": 100}, {"product": "B", "sales": 200}]'
df_direct = pd.read_json(json_str_direct)
print("文字列を直接渡す:")
print(df_direct)
print()
# 例2b: JSON Lines形式を読み取る（各行が1つのJSONオブジェクト）
# JSON Linesは一般的なログ形式です
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)
# JSON Lines形式は1行ずつ読み取る必要があります
# lines=Trueパラメータを使用できます（JSONL形式がサポートしている場合）
# または手動で処理します
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("JSON Lines形式の読み取り:")
print(df_lines)
print()
# 例2c: APIのURLから読み取る（ネットワークアクセスが必要）
# ここではサンプルAPIを使用しています。実際に使用する際は実際のURLに置き換えてください
# df_api = pd.read_json('https://api.example.com/data')
# print(df_api)
print("注意：URLから読み取るには実際のネットワークリクエストが必要です")
実行結果の想定:
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
コードの解説:
read_json()pd.read_jsonはJSON文字列を入力として受け付けることができ、StringIOを使用してStringIO文字列をファイルライクオブジェクトに変換します。- JSON Lines形式は、各行が独立したJSONオブジェクトであり、ログ処理でよく使用されます。1行ずつ読み取ってからDataFrameに結合する必要があります。
- URLから読み取る場合は、URL文字列を直接渡すだけでよいですが、ネットワーク接続が必要です。
例3：日付の処理と型変換
JSONデータ内の日付や数値型は特別な処理が必要です。
実例
import pandas as pd
# 例3a: 日付フィールドの処理
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)
# デフォルトでは日付文字列がobject型として読み取られます
df_date = pd.read_json('data_with_date.json')
print("デフォルトの読み取り（日付は文字列）:")
print(df_date)
print("birthdayの型:", df_date['birthday'].dtype)
print()
# convert_datesを使用して日付列を自動変換する
df_date_converted = pd.read_json('data_with_date.json', convert_dates=['birthday', 'join_date'])
print("日付変換後:")
print(df_date_converted)
print("birthdayの型:", df_date_converted['birthday'].dtype)
print()
# 例3b: データ型の指定
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)
# デフォルトではidは整数、nameは文字列、scoreは浮動小数点数として読み取られます
df_mixed = pd.read_json('data_mixed.json')
print("デフォルトの型推論:")
print(df_mixed)
print("idの型:", df_mixed['id'].dtype)
print()
# dtypeを使用して型を明示的に指定する
df_typed = pd.read_json('data_mixed.json', dtype={'id': str, 'score': float})
print("型指定後:")
print(df_typed)
print("idの型:", df_typed['id'].dtype)
# 例3a: 日付フィールドの処理
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)
# デフォルトでは日付文字列がobject型として読み取られます
df_date = pd.read_json('data_with_date.json')
print("デフォルトの読み取り（日付は文字列）:")
print(df_date)
print("birthdayの型:", df_date['birthday'].dtype)
print()
# convert_datesを使用して日付列を自動変換する
df_date_converted = pd.read_json('data_with_date.json', convert_dates=['birthday', 'join_date'])
print("日付変換後:")
print(df_date_converted)
print("birthdayの型:", df_date_converted['birthday'].dtype)
print()
# 例3b: データ型の指定
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)
# デフォルトではidは整数、nameは文字列、scoreは浮動小数点数として読み取られます
df_mixed = pd.read_json('data_mixed.json')
print("デフォルトの型推論:")
print(df_mixed)
print("idの型:", df_mixed['id'].dtype)
print()
# dtypeを使用して型を明示的に指定する
df_typed = pd.read_json('data_mixed.json', dtype={'id': str, 'score': float})
print("型指定後:")
print(df_typed)
print("idの型:", df_typed['id'].dtype)
実行結果の想定:
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]
コードの解説:
convert_datesconvert_datesパラメータで、日付型に変換する列を指定できます。- デフォルトでは、
convert_dates=Trueconvert_datesは一般的な日付形式を自動的に認識します。 dtypedtypeパラメータで各列のデータ型を明示的に指定でき、型推論のエラーを防げます。
注意事項
- orientパラメータを正しく指定することは、
orientJSONデータを読み取る鍵であり、JSONの構造によって異なるorient値が必要です。 - JSON内の日付はデフォルトで文字列として読み取られるため、convert_datesパラメータを
convert_dates使用して日付型に変換する必要があります。 - 大きなJSONファイルを読み取る場合は、chunksizeパラメータを
chunksize使用してチャンク単位で読み取ることを検討できます。 read_json()ファイルパス、URL、JSON文字列からの読み取りをサポートしています。- JSON Lines形式は1行ずつ解析した後、DataFrameに結合する必要があります。
まとめ
read_json()pd.read_jsonは、pandasでJSONデータを読み取る中核となる関数で、さまざまなJSON形式をサポートしています。JSONはWeb APIやデータ交換の一般的な形式として、実際のデータ分析業務で広く使用されています。
pd.read_jsonを習得するread_json()鍵は、さまざまなorient形式を理解し、orient日付や型の処理方法を把握することです。実際の作業でさまざまな形式のJSONデータの読み取りを練習することをお勧めします。