当前位置：极客教程 > Pandas > Pandas 问答 > Pandas快速将JSON列转换为Pandas dataframe

Pandas快速将JSON列转换为Pandas dataframe

Pandas快速将JSON列转换为Pandas dataframe

在本文中，我们将介绍如何使用Python的Pandas库来快速将JSON列转换为Pandas dataframe。我们将讨论使用Pandas处理JSON数据的基础知识，并提供一些实用的例子进行说明。

阅读更多：Pandas 教程

关于Pandas库

Pandas是一个用于数据分析的开源Python库。它提供了丰富的数据结构和函数，使得数据处理变得更加快捷和简单。Pandas最基本的数据结构是Series和DataFrame。Series是一种一维数组，而DataFrame则是二维表格。

使用Pandas处理JSON数据

在Python中，我们可以使用json模块来处理JSON数据。Pandas也提供了一个方便的函数pandas.read_json()来读取JSON数据。这个函数可以直接将JSON数据转换为DataFrame。

下面是一个示例JSON文件，我们将演示如何将其转换为Pandas dataframe：

{
  "fruit": "Apple",
  "size": "Large",
  "color": "Red"
}
Python

我们可以使用以下代码将它转换为Pandas dataframe：

import pandas as pd

json_data = {
  "fruit": "Apple",
  "size": "Large",
  "color": "Red"
}

df = pd.DataFrame.from_records([json_data])
print(df)
Python

输出结果为：

    fruit   size color
0   Apple  Large   Red
Python

从JSON列创建DataFrame

有时，我们需要将包含JSON字符串的列转换为Pandas dataframe。在这种情况下，我们可以使用pandas.json_normalize()函数。该函数将JSON数据规范化为扁平形式，使其易于转换为Pandas dataframe。

下面是一个包含JSON列的示例数据：

+------+----------------------------------+
|  id  |              json_data            |
+------+----------------------------------+
|  1   | {"fruit": "Apple", "size": "L"}   |
|  2   | {"fruit": "Banana", "size": "M"}  |
|  3   | {"fruit": "Orange", "size": "S"}  |
+------+----------------------------------+
Python

我们可以使用以下代码将其转换为Pandas dataframe：

import pandas as pd

data = {
  "id": [1, 2, 3],
  "json_data": [
    {"fruit": "Apple", "size": "L"},
    {"fruit": "Banana", "size": "M"},
    {"fruit": "Orange", "size": "S"}
   ]
}

df = pd.DataFrame(data)
df = pd.concat([df.drop(['json_data'], axis=1), df['json_data'].apply(pd.Series)], axis=1)
print(df)
Python

输出结果为：

   id   fruit size
0   1   Apple    L
1   2  Banana    M
2   3  Orange    S
Python

使用json.loads()函数

我们还可以使用Python标准库中的json.loads()函数来将包含JSON字符串的列转换为Pandas dataframe。该函数将JSON字符串转换为Python对象，允许我们使用正常的Python操作。

下面是一个包含JSON列的示例数据：

+------+----------------------------------+
|  id  |              json_data            |
+------+----------------------------------+
|  1   | {"fruit": "Apple", "size": "L"}   |
|  2   | {"fruit": "Banana", "size": "M"}  |
|  3   | {"fruit": "Orange", "size": "S"}  |
+------+----------------------------------+
Python

我们可以使用以下代码将其转换为Pandas dataframe：

import json
import pandas as pd

data = {
  "id": [1, 2, 3],
  "json_data": [
    '{"fruit": "Apple", "size": "L"}',
    '{"fruit": "Banana", "size": "M"}',
    '{"fruit": "Orange", "size": "S"}'
   ]
}

df = pd.DataFrame(data)
df = pd.concat([df.drop(['json_data'], axis=1), 
                df['json_data'].apply(json.loads).apply(pd.Series)], axis)
Python
  1. 输出结果为：
   id   fruit size
0   1   Apple    L
1   2  Banana    M
2   3  Orange    S
Python
  1. 在许多情况下，我们需要从JSON数据中选择特定的键，并将它们转换为Pandas dataframe。在这种情况下，我们可以使用pandas.json_normalize()函数，并将选定的键作为参数传递给该函数。

下面是一个示例JSON数据：

[
  {
    "name": "John",
    "age": 30,
    "address": {
      "street": "123 Main St",
      "city": "New York",
      "state": "NY"
    }
  },
  {
    "name": "Jane",
    "age": 25,
    "address": {
      "street": "456 Park Ave",
      "city": "San Francisco",
      "state": "CA"
    }
  }
]
JSON

我们可以使用以下代码选择”name”和”age”键，并将它们转换为Pandas dataframe：

import pandas as pd
import json

json_data = [
  {
    "name": "John",
    "age": 30,
    "address": {
      "street": "123 Main St",
      "city": "New York",
      "state": "NY"
    }
  },
  {
    "name": "Jane",
    "age": 25,
    "address": {
      "street": "456 Park Ave",
      "city": "San Francisco",
      "state": "CA"
    }
  }
]

df = pd.json_normalize(json_data, ['name', 'age'])
print(df)
Python

输出结果为：

    name  age
0   John   30
1   Jane   25
Python

总结

在本文中，我们讨论了如何使用Pandas库来快速将JSON列转换为Pandas dataframe。我们介绍了一些基本的Pandas函数，并提供了一些实用的例子进行说明。希望这篇文章能够帮助您更好地理解如何在Python中处理JSON数据。

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

Pandas 精品教程

登录

找回密码？

注册