Python神器Pandas 之 JSON（python .json）

liuian 2025-04-06 18:06 58 浏览

Pandas 提供了强大的方法来处理 JSON 格式的数据，支持从 JSON 文件或字符串中读取数据并将其转换为 DataFrame，以及将 DataFrame 转换回 JSON 格式。使用Pandas加载JSON数据其实非常简单，直接使用`read_json`函数即可。不过，需要注意的是‘orient`参数，它可以根据JSON数据的组织方式选择不同的值。常见的选项有：`split`、`records`、`index`、`columns`和`values`。
此外，Pandas还提供了一个非常实用的方法`json_normalize`，可以灵活地加载不同格式的JSON数据。无论你的JSON数据是什么结构，这个方法都能帮你轻松搞定。

操作	方法	说明
从 JSON 文件/字符串读取数据	pd.read_json()	从 JSON 数据中读取并加载为 DataFrame
将 DataFrame 转换为 JSON	DataFrame.to_json()	将 DataFrame 转换为 JSON 格式的数据，可以指定结构化方式
支持 JSON 结构化方式	orient 参数	支持多种结构化方式，如 split、records、columns

pd.read_json() - 读取 JSON 数据

pd.read_json() 用于从 JSON 格式的数据中读取并加载为一个 DataFrame。它支持从 JSON 文件、JSON 字符串或 JSON 网址中加载数据。

语法格式：

import pandas as pd

df = pd.read_json(
    path_or_buffer,      # JSON 文件路径、JSON 字符串或 URL
    orient=None,         # JSON 数据的结构方式，默认是 'columns'
    dtype=None,          # 强制指定列的数据类型
    convert_axes=True,   # 是否转换行列索引
    convert_dates=True,  # 是否将日期解析为日期类型
    keep_default_na=True # 是否保留默认的缺失值标记
)

完整形式：

pandas.read_json(path_or_buf=None, orient=None, typ='frame', dtype=None, convert_axes=None, convert_dates=True, keep_default_dates=True, numpy=False, precise_float=False, date_unit=None, encoding=None, encoding_errors='strict', lines=False, chunksize=None, compression='infer', nrows=None, storage_options=None)

参数说明：

参数	说明	默认值
path_or_buffer	JSON 文件的路径、JSON 字符串或 URL	必需参数
orient	定义 JSON 数据的格式方式。常见值有 split、records、index、columns、values。	None（根据文件自动推断）
dtype	强制指定列的数据类型	None
convert_axes	是否将轴转换为合适的数据类型	True
convert_dates	是否将日期解析为日期类型	True
keep_default_na	是否保留默认的缺失值标记（如 NaN）	True

常见的 orient 参数选项:

orient 值	JSON 格式示例	描述
split	{"index":["a","b"],"columns":["A","B"],"data":[[1,2],[3,4]]}	使用键 index、columns 和 data 结构
records	[{"A":1,"B":2},{"A":3,"B":4}]	每个记录是一个字典，表示一行数据
index	{"a":{"A":1,"B":2},"b":{"A":3,"B":4}}	使用索引为键，值为字典的方式
columns	{"A":{"a":1,"b":3},"B":{"a":2,"b":4}}	使用列名为键，值为字典的方式
values	[[1,2],[3,4]]	只返回数据，不包括索引和列名

从 JSON 文件加载数据：

实例

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

to_string() 用于返回 DataFrame 类型的数据，我们也可以直接处理 JSON 字符串。

将 DataFrame 转换为 JSON

DataFrame.to_json() - 将 DataFrame 转换为 JSON 数据

to_json() 方法用于将 DataFrame 转换为 JSON 格式的数据，可以指定 JSON 的结构化方式。

语法格式：

df.to_json(
    path_or_buffer=None,    # 输出的文件路径或文件对象，如果是 None 则返回 JSON 字符串
    orient=None,            # JSON 格式方式，支持 'split', 'records', 'index', 'columns', 'values'
    date_format=None,       # 日期格式，支持 'epoch', 'iso'
    default_handler=None,   # 自定义非标准类型的处理函数
    lines=False,            # 是否将每行数据作为一行（适用于 'records' 或 'split'）
    encoding='utf-8'        # 编码格式
)

完整形式：

DataFrame.to_json(path_or_buf=None, orient=None, date_format=None, double_precision=10, force_ascii=True, date_unit='ms', default_handler=None, lines=False, compression='infer', index=True, indent=None, storage_options=None)[source]

参数说明：

参数	说明	默认值
path_or_buffer	输出的文件路径或文件对象，若为 None，则返回 JSON 字符串	None
orient	指定 JSON 格式结构，支持 split、records、index、columns、values	None（默认是 columns）
date_format	日期格式，支持 'epoch' 或 'iso' 格式	None
default_handler	自定义处理非标准类型（如 datetime 等）的处理函数	None
lines	是否将每行数据作为一行输出（适用于 records 或 split）	False
encoding	输出文件的编码格式	'utf-8'

实例

将 DataFrame 转换为 JSON 文件（指定 orient='records'）：

实例

import pandas as pd
# 创建 DataFrame
df = pd.DataFrame({
'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'City': ['New York', 'Los Angeles', 'Chicago']
})
# 将 DataFrame 转换为 JSON 文件，指定 orient='records'
df.to_json('data.json', orient='records', lines=True)
# 输出生成的文件内容：
# [
# {"Name":"Alice","Age":25,"City":"New York"},
# {"Name":"Bob","Age":30,"City":"Los Angeles"},
# {"Name":"Charlie","Age":35,"City":"Chicago"}
# ]

将 DataFrame 转换为 JSON 并指定日期格式：

实例

import pandas as pd
# 创建 DataFrame，包含日期数据
df = pd.DataFrame({
'Name': ['Alice', 'Bob', 'Charlie'],
'Date': pd.to_datetime(['2021-01-01', '2022-02-01', '2023-03-01']),
'Age': [25, 30, 35]
})
# 将 DataFrame 转换为 JSON，并指定日期格式为 'iso'
json_str = df.to_json(date_format='iso')
print(json_str)