- +在此添加单个AI新笔记
pandas导入数据pd.read_json(jsonstr)读json字符串
-%E8%AF%BBjson%E5%AD%97%E7%AC%A6%E4%B8%B2.png&w=3840&q=85)
表格总结
| 例子编号 | 描述 | 参数/功能 | 预期结果描述 |
|---|---|---|---|
| 1 | 读取 JSON 文件 | read_json |
JSON 文件数据的前 5 行 |
| 2 | 读取 JSON 字符串 | read_json |
JSON 字符串表示的数据 |
| 3 | 读取 JSON 行 | lines=True |
每行作为单独记录的前 5 行 |
| 4 | 指定 JSON 编码 | encoding='utf-8' |
使用特定编码的 JSON 数据 |
| 5 | 读取 JSON 指定列 | columns |
选择列的 JSON 数据 |
| 6 | 读取嵌套 JSON | orient='index' |
嵌套 JSON 转换为索引的表格 |
| 7 | 转换 JSON 日期列 | convert_dates=True |
日期字符串转换为日期时间对象 |
| 8 | 使用默认值读取 JSON | default_handler |
缺失值替换为 NaN |
| 9 | 保持原始类型读取 JSON | typ='series' |
作为 Series 保持原始类型 |
| 10 | 分块读取大型 JSON 文件 | chunksize |
分块输出大型 JSON 数据 |
| 11 | 复杂的 json 数据 | pd.json_normalize() |
复杂的 json 数据 |
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 pddf = 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 = 10for 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()