Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一,本文主要介绍Python Pandas read_json读取JSON。

1、读取JSON

大数据集通常被存储或提取为JSON。

JSON是纯文本,但是具有对象的格式,并且在包括Pandas在内的编程行业中众所周知。

在我们的示例中,我们将使用一个名为“data.json”的JSON文件。

data.json文件:https://www.cjavapy.com/download/5fe1f8c9dc72d93b4993067d/

例如:

将JSON文件加载到DataFrame中:

import pandas as pd

df = pd.read_json('data.json')

print(df.to_string())

提示:使用to_string()打印整个DataFrame。

2、 JSON格式的Dictionary

JSON对象与Python字典具有相同的格式。

如果JSON代码不在文件中,而是在Python字典中,则可以将其直接加载到DataFrame中:

例如:

将Python字典加载到DataFrame中:

import pandas as pd

data = {
"Duration":{
"0":60,
"1":60,
"2":60,
"3":45,
"4":45,
"5":60
},
"Pulse":{
"0":110,
"1":117,
"2":103,
"3":109,
"4":117,
"5":102
},
"Maxpulse":{
"0":130,
"1":145,
"2":135,
"3":175,
"4":148,
"5":127
},
"Calories":{
"0":409,
"1":479,
"2":340,
"3":282,
"4":406,
"5":300
}
}

df = pd.DataFrame(data)

print(df)



推荐文档