16 - 导入数据 - pd.read_json(jsonstr) - 读json字符串

表格总结

1: 读取 JSON 文件

• 描述：从 JSON 文件中读取数据并转换为 DataFrame。
• 代码：

  import pandas as pd
  df = pd.read_json('data.json')
  print(df.head())

• 预期结果：输出 JSON 文件中的数据的前 5 行。

2: 读取 JSON 字符串

• 描述：从 JSON 格式的字符串中读取数据。
• 代码：

  json_str = '{"col1": [1, 2], "col2": ["a", "b"]}'
  df = pd.read_json(json_str)
  print(df.head())

• 预期结果：输出 JSON 字符串表示的数据的前 5 行（此例中只有 2 行）。

3: 读取 JSON 行

• 描述：将 JSON 对象的每一行作为 DataFrame 的一行。
• 代码：

  df = pd.read_json('data.json', lines=True)
  print(df.head())

• 预期结果：输出 JSON 文件中每一行作为单独记录的前 5 行。

4: 指定 JSON 文件的编码

• 描述：读取具有特定编码的 JSON 文件。
• 代码：

  df = pd.read_json('data.json', encoding='utf-8')
  print(df.head())

• 预期结果：输出使用 UTF-8 编码的 JSON 文件的数据。

5: 读取 JSON 并指定列

• 描述：从 JSON 数据中选择特定的列。
• 代码：

  df = pd.read_json('data.json', columns=['col1', 'col3'])
  print(df.head())

• 预期结果：输出 JSON 文件中指定列的数据。

6: 读取嵌套 JSON

• 描述：读取嵌套的 JSON 对象并将其转换为表格。
• 代码：

  df = pd.read_json('data.json', orient='index')
  print(df.head())

• 预期结果：输出将嵌套 JSON 对象转换为索引的 DataFrame。

7: 从 JSON 读取并转换日期列

• 描述：将 JSON 中的日期字符串转换为日期时间对象。
• 代码：

  df = pd.read_json('data.json', convert_dates=True)
  print(df.head())

• 预期结果：输出 JSON 数据中日期字符串转换为日期时间对象的 DataFrame。

8: 读取 JSON 并使用默认值

• 描述：在 JSON 数据缺失时使用默认值。
• 代码：

  df = pd.read_json('data.json', default_handler=lambda x: float('nan'))
  print(df.head())

• 预期结果：输出 JSON 数据，缺失值被替换为 NaN。

9: 读取 JSON 并保持原始类型

• 描述：保持 JSON 数据的原始数据类型。
• 代码：

  df = pd.read_json('data.json', typ='series')
  print(df.head())

• 预期结果：输出 JSON 数据作为 Pandas Series，保持原始类型。

10: 从 JSON 读取并处理大数据

• 描述：使用 chunksize 分块读取大型 JSON 文件。
• 代码：

  chunksize = 10
  for chunk in pd.read_json('data.json', chunksize=chunksize):
      print(chunk.head())

• 预期结果：分块输出大型 JSON 文件的数据。

11:复杂的 json 数据

复杂的 json 数据，可以使用 pd.json_normalize()