Python 中将 Pandas DataFrame 转换为 JSON？

 

Pandas DataFrames 是数据的表格表示，其中列代表单个数据条目中的各种数据点，每一行都是唯一的数据条目。而 JSON 是用 JavaScript 对象表示法编写的文本。

将 Pandas DataFrame 转换为 JSON

要将 Pandas DataFrames 转换为 JSON 格式，我们使用DataFrame.to_json()Python 中Pandas库中的函数。to_json 函数中有多个自定义项可用于实现所需的 JSON 格式。看一下函数接受的参数，再探讨定制

参数：

 

范围	价值	用
path_or_buf	字符串或文件名，可选	文件路径或对象。如果未指定，则结果作为字符串返回。
东方	'split', 'records', 'index', 'columns', 'values', 'table', default='index'	指示预期的 JSON 字符串格式。
日期格式	无，“纪元”，“iso”，默认 =“纪元”	日期转换类型。'epoch' = 纪元毫秒，'iso' = ISO8601。默认值取决于方向。对于 orient='table'，默认值为 'iso'。对于所有其他方向，默认值为 'epoch'。
双精度	整数值，默认值=10	编码浮点值时使用的小数位数。
force_ascii	布尔值，默认值 = True	强制编码字符串为 ASCII。
日期_单位	's', 'ms', 'us', 'ns', default='ms'	要编码到的时间单位控制时间戳和 ISO8601 精度。这些值分别代表秒、毫秒、微秒和纳秒。
默认处理程序	可调用函数	如果对象无法以其他方式转换为适用于 JSON 的格式，则要调用的处理程序。应该接收一个参数，它是要转换的对象并返回一个可序列化的对象。
线	布尔值，默认值 = False	如果 'orient' 是 'records' 写出行分隔的 json 格式。如果 'orient' 不正确，则会抛出 ValueError，因为其他人不是这样的。
压缩	'infer', 'gzip', 'bz2', 'zip', 'xz', None, default='infer'	表示在输出文件中使用的压缩的字符串，仅在第一个参数是文件名时使用。默认情况下，压缩是从文件名推断的。
指数	布尔值，默认值 = True	是否在 JSON 字符串中包含索引值。仅当 orient 为 'split' 或 'table' 时才支持不包括索引 (index=False)。
缩进	整数值	用于缩进每条记录的空格长度。无需提及可选参数。

我们现在看几个例子来理解函数DataFrame.to_json的用法。

示例 1：基本用法

 

import numpy as np

import pandas as pd

  

  

data = np.array([['1', '2'], ['3', '4']])

  

dataFrame = pd.DataFrame(data, columns = ['col1', 'col2'])

json = dataFrame.to_json()

print(json)

输出 ：

{"col1":{"0":"1", "1":"3"}, "col2":{"0":"2", "1":"4"}}

示例 2：探索 DataFrame.to_json 函数的 'orient' 属性

import numpy as np
import pandas as pd
  
  
data = np.array([['1', '2'], ['3', '4']])
   
dataFrame = pd.DataFrame(data, columns = ['col1', 'col2'])
json = dataFrame.to_json()
print(json)
  
json_split = dataFrame.to_json(orient ='split')
print("json_split = ", json_split, "
")
   
json_records = dataFrame.to_json(orient ='records')
print("json_records = ", json_records, "
")
   
json_index = dataFrame.to_json(orient ='index')
print("json_index = ", json_index, "
")
   
json_columns = dataFrame.to_json(orient ='columns')
print("json_columns = ", json_columns, "
")
   
json_values = dataFrame.to_json(orient ='values')
print("json_values = ", json_values, "
")
   
json_table = dataFrame.to_json(orient ='table')
print("json_table = ", json_table, "
")

 

 

输出 ：

json_split = {“columns”:[“col1”, “col2”], “index”:[0, 1], “data”:[[“1”, “2”], [“3”, “4”]]}

json_records = [{“col1″:”1”, “col2″:”2”}, {“col1″:”3”, “col2″:”4”}]

json_index = {“0”:{“col1″:”1”, “col2″:”2”}, “1”:{“col1″:”3”, “col2″:”4”}}

json_columns = {“col1”:{“0″:”1”, “1”:”3″}, “col2”:{“0″:”2”, “1”:”4″}}

json_values = [[“1”, “2”], [“3”, “4”]]

json_table = {“schema”:{“fields”:[{“name”:”index”, “type”:”integer”}, {“name”:”col1″, “type”:”string”}, {“name”:”col2″, “type”:”string”}], “primaryKey”:[“index”], “pandas_version”:”0.20.0″}, “data”:[{“index”:0, “col1″:”1”, “col2″:”2”}, {“index”:1, “col1″:”3”, “col2″:”4”}]}

 

 

JSON 字符串的格式：

                 - 'split' : dict like {'index' -> [index], 'columns' -> [columns],
                   '数据' -> [值]}
                 - 'records' : list like [{column -> value}, ... , {column -> value}]
                 - 'index' : dict like {index -> {column -> value}}
                 - 'columns' : dict like {column -> {index -> value}}
                 - 'values' : 只是值数组
                 - 'table' : dict like {'schema': {schema}, 'data': {data}}

原始文档介绍

"""
        将对象转换为 JSON 字符串。

        注意 NaN 和 None 将被转换为 null 和 datetime 对象
        将转换为 UNIX 时间戳。

        参数
        ----------
        path_or_buf : str 或文件句柄，可选
            文件路径或对象。如果未指定，则返回结果为
            一个字符串。
        东方：str
            指示预期的 JSON 字符串格式。

            * 系列：

                - 默认为“索引”
                - 允许的值为：{'split','records','index','table'}。

            * 数据框：

                - 默认为“列”
                - 允许的值为：{'split'、'records'、'index'、'columns'、
                  '值'，'表'}。

            * JSON 字符串的格式：

                - 'split' : dict like {'index' -> [index], 'columns' -> [columns],
                  '数据' -> [值]}
                - 'records' : list like [{column -> value}, ... , {column -> value}]
                - 'index' : dict like {index -> {column -> value}}
                - 'columns' : dict like {column -> {index -> value}}
                - 'values' : 只是值数组
                - 'table' : dict like {'schema': {schema}, 'data': {data}}

                描述数据，其中数据组件就像“orient='records'”。

            .. 版本已更改:: 0.20.0

        日期格式：{无，'纪元'，'iso'}
            日期转换类型。 'epoch' = 纪元毫秒，
            'iso' = ISO8601。默认值取决于`orient`。为了
            ``orient='table'``，默认为'iso'。对于所有其他方向，
            默认值为“纪元”。
        double_precision ：int，默认为 10
            编码时使用的小数位数
            浮点值。
        force_ascii : bool，默认为 True
            强制编码字符串为 ASCII。
        date_unit ：str，默认'ms'（毫秒）
            编码到的时间单位，控制时间戳和 ISO8601
            精确。 's'、'ms'、'us'、'ns' 之一表示秒、毫秒、
            分别为微秒和纳秒。
        default_handler ：可调用，默认无
            如果对象不能以其他方式转换为
            JSON 的合适格式。应该接收一个参数是
            要转换并返回可序列化对象的对象。
        行：布尔值，默认为假
            如果 'orient' 是 'records' 写出行分隔的 json 格式。将要
            如果“东方”不正确，则抛出 ValueError，因为其他人未列出
            喜欢。

        压缩：{'推断'、'gzip'、'bz2'、'zip'、'xz'、无}

            表示在输出文件中使用的压缩的字符串，
            仅在第一个参数是文件名时使用。默认情况下，
            从文件名推断压缩。

            .. 版本添加:: 0.21.0
            .. 版本已更改:: 0.24.0
               添加了“推断”选项并设置为默认值
        索引：布尔值，默认为真
            是否在 JSON 字符串中包含索引值。不是
            仅在以下情况下才支持包含索引 (``index=False``)
            orient 是 'split' 或 'table'。

            .. 版本已添加:: 0.23.0

        缩进：整数，可选
           用于缩进每条记录的空格长度。

           .. 版本已添加:: 1.0.0

        退货
        -------
        无或 str
            如果 path_or_buf 为 None，则返回生成的 json 格式作为
            细绳。否则返回无。

        也可以看看
        --------
        读取_json

        笔记
        -----
        ``indent=0`` 的行为与 stdlib 不同，它不
        缩进输出但确实插入换行符。目前，“缩进=0”
        和默认的“缩进=无”在熊猫中是等价的，尽管这
        在未来的版本中可能会改变。

        例子
        --------

        >>> df = pd.DataFrame([['a', 'b'], ['c', 'd']],
        ... index=['第 1 行'，'第 2 行']，
        ... columns=['col 1', 'col 2'])
        >>> df.to_json(orient='split')
        '{"columns":["col 1","col 2"],
          “索引”：[“第 1 行”，“第 2 行”]，
          "数据":[["a","b"],["c","d"]]}'

        使用“记录”格式的 JSON 编码/解码数据帧。
        请注意，此编码不会保留索引标签。

        >>> df.to_json(orient='记录')
        '[{"col 1":"a","col 2":"b"},{"col 1":"c","col 2":"d"}]'

        使用“索引”格式的 JSON 编码/解码数据帧：

        >>> df.to_json(orient='index')
        '{"row 1":{"col 1":"a","col 2":"b"},"row 2":{"col 1":"c","col 2":"d" }}'

        使用“列”格式的 JSON 编码/解码数据帧：

        >>> df.to_json(orient='columns')
        '{"col 1":{"row 1":"a","row 2":"c"},"col 2":{"row 1":"b","row 2":"d" }}'

        编码/d