数据结构
网络
关系型数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究如何在 Python 中将 Pandas DataFrame 转换为 JSON？
Pandas 是一个流行的 Python 库，用于数据处理和分析。在使用 Pandas 的过程中，一个常见的任务是将 DataFrame 转换为 JSON（JavaScript 对象表示法）格式，这是一种轻量级的数据交换格式，广泛用于 Web 应用程序。从 Pandas DataFrame 到 JSON 的转换对于数据共享、数据存储以及不同编程语言之间的数据传输非常有用。
在本教程中，我们将讨论如何使用内置的 Pandas 函数将 Pandas DataFrame 转换为 JSON，探索转换的不同选项和参数，并提供处理特定场景的示例。
将 Pandas DataFrame 转换为 JSON
在 Python 的 pandas 库中，我们可以利用 DataFrame.to_json() 函数将 pandas DataFrame 转换为 JSON 格式。此函数提供了各种自定义选项，使我们能够获得所需的 JSON 格式。在接下来的部分中，我们将深入探讨此函数的可接受参数，并更详细地检查自定义选项。
以下是一些可在 DataFrame.to_json() 函数中用于将 pandas DataFrame 转换为 JSON 的重要参数及其可能值：
path_or_buf - 生成的 JSON 将保存到的输出位置。它可以是文件路径或缓冲区对象。默认值为 None。
orient - 生成的 JSON 的格式。可能的值为 'split'、'records'、'index'、'columns' 和 'values'。默认值为 'columns'。
date_format - DataFrame 中类似日期列使用的日期格式。它可以是任何有效的日期时间格式字符串。默认值为 None。
double_precision - JSON 中浮点数的精度。它可以是一个整数，指定要包含的小数位数。默认值为 10。
force_ascii - 是否将非 ASCII 字符编码为其 Unicode 转义序列。默认值为 True。
date_unit - 类似日期列中时间戳的单位。可能的值为 's'（秒）、'ms'（毫秒）和 'us'（微秒）。默认值为 'ms'。
让我们来看几个示例，以更好地了解 DataFrame.to_json() 函数的使用方法。
示例 1：基本用法
请考虑以下代码。在此代码中，我们创建了一个名为 array_data 的 2×2 NumPy 数组，其中包含四个字符串值。然后，我们将此数组转换为名为 df 的 pandas DataFrame，列名为 'col1' 和 'col2'。最后，我们使用 to_json() 函数将 DataFrame 转换为 JSON 字符串，并使用 print() 函数将其打印到控制台。
import numpy as np import pandas as pd # create a NumPy array with two rows and two columns array_data = np.array([['1', '2'], ['3', '4']]) # convert the NumPy array into a pandas DataFrame with column names df = pd.DataFrame(array_data, columns=['col1', 'col2']) # convert the DataFrame to a JSON string json_data = df.to_json() # print the resulting JSON string print(json_data)
输出
执行后，将产生以下输出
{"col1":{"0":"1","1":"3"},"col2":{"0":"2","1":"4"}}
示例 2：将 DataFrame 转换为 JSON
现在，让我们看一个如何使用这些参数在 DataFrame.to_json() 函数中将 pandas DataFrame 转换为 JSON 的示例。
请考虑以下代码。在此示例中，我们将 path_or_buf 参数设置为 'output.json' 以将 JSON 数据保存到名为 'output.json' 的文件中。我们将 orient 参数设置为 'records' 以将 JSON 格式化为记录列表。
我们还将 date_format 参数设置为 'iso' 以对类似日期的列使用 ISO 日期格式，并将 double_precision 参数设置为 2 以包含浮点数的两位小数。最后，我们将 force_ascii 设置为 False 以保留非 ASCII 字符，并将 date_unit 设置为 'ms' 以使用毫秒作为时间戳的单位。
import pandas as pd
# create a sample DataFrame
df = pd.DataFrame({
'Name': ['John', 'Jane', 'Bob'],
'Age': [30, 25, 40],
'Salary': [50000.0, 60000.0, 70000.0],
'Join_date': ['2022-01-01', '2021-06-15', '2020-11-30']
})
# convert the DataFrame to JSON
json_data = df.to_json(
path_or_buf='output.json',
orient='records',
date_format='iso',
double_precision=2,
force_ascii=False,
date_unit='ms'
)
# print the resulting JSON
print(json_data)
输出
执行后，它将创建一个名为“output.json”的新文件，文件内容如下所示
[
{ "Name": "John", "Age": 30, "Salary": 50000.0, "Join_date": "2022-01-01" },
{ "Name": "Jane", "Age": 25, "Salary": 60000.0, "Join_date": "2021-06-15" },
{ "Name": "Bob", "Age": 40, "Salary": 70000.0, "Join_date": "2020-11-30" }
]
结论
总之，在 Python 中将 pandas DataFrame 转换为 JSON 格式是一个简单的过程，可以使用 pandas 库提供的 to_json() 方法来完成。
此方法允许各种自定义，例如指定 JSON 输出格式、日期格式和精度。它还提供将生成的 JSON 字符串写入文件的功能，从而可以轻松地与其他系统共享数据。通过对 to_json() 方法及其参数的基本了解，您可以轻松地将 pandas DataFrame 转换为 JSON 格式，以用于各种应用程序。
1K+ 阅读量
