資料結構
網路
關係型資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
時尚研究
法律研究如何在 Python 中將 Pandas DataFrame 轉換為 JSON？
Pandas 是一個流行的 Python 庫，用於資料處理和分析。在使用 Pandas 的過程中，一個常見的任務是將 DataFrame 轉換為 JSON（JavaScript 物件表示法）格式，這是一種輕量級的資料交換格式，廣泛用於 Web 應用程式。從 Pandas DataFrame 到 JSON 的轉換對於資料共享、資料儲存以及不同程式語言之間的資料傳輸非常有用。
在本教程中，我們將討論如何使用內建的 Pandas 函式將 Pandas DataFrame 轉換為 JSON，探索轉換的不同選項和引數，並提供處理特定場景的示例。
將 Pandas DataFrame 轉換為 JSON
在 Python 的 pandas 庫中，我們可以利用 DataFrame.to_json() 函式將 pandas DataFrame 轉換為 JSON 格式。此函式提供了各種自定義選項，使我們能夠獲得所需的 JSON 格式。在接下來的部分中，我們將深入探討此函式的可接受引數，並更詳細地檢查自定義選項。
以下是一些可在 DataFrame.to_json() 函式中用於將 pandas DataFrame 轉換為 JSON 的重要引數及其可能值：
path_or_buf - 生成的 JSON 將儲存到的輸出位置。它可以是檔案路徑或緩衝區物件。預設值為 None。
orient - 生成的 JSON 的格式。可能的值為 'split'、'records'、'index'、'columns' 和 'values'。預設值為 'columns'。
date_format - DataFrame 中類似日期列使用的日期格式。它可以是任何有效的日期時間格式字串。預設值為 None。
double_precision - JSON 中浮點數的精度。它可以是一個整數，指定要包含的小數位數。預設值為 10。
force_ascii - 是否將非 ASCII 字元編碼為其 Unicode 轉義序列。預設值為 True。
date_unit - 類似日期列中時間戳的單位。可能的值為 's'（秒）、'ms'（毫秒）和 'us'（微秒）。預設值為 'ms'。
讓我們來看幾個示例，以更好地瞭解 DataFrame.to_json() 函式的使用方法。
示例 1：基本用法
請考慮以下程式碼。在此程式碼中，我們建立了一個名為 array_data 的 2×2 NumPy 陣列，其中包含四個字串值。然後，我們將此陣列轉換為名為 df 的 pandas DataFrame，列名為 'col1' 和 'col2'。最後，我們使用 to_json() 函式將 DataFrame 轉換為 JSON 字串，並使用 print() 函式將其列印到控制檯。
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)
輸出
執行後，將產生以下輸出
{"col1":{"0":"1","1":"3"},"col2":{"0":"2","1":"4"}}
示例 2：將 DataFrame 轉換為 JSON
現在，讓我們看一個如何使用這些引數在 DataFrame.to_json() 函式中將 pandas DataFrame 轉換為 JSON 的示例。
請考慮以下程式碼。在此示例中，我們將 path_or_buf 引數設定為 'output.json' 以將 JSON 資料儲存到名為 'output.json' 的檔案中。我們將 orient 引數設定為 'records' 以將 JSON 格式化為記錄列表。
我們還將 date_format 引數設定為 'iso' 以對類似日期的列使用 ISO 日期格式，並將 double_precision 引數設定為 2 以包含浮點數的兩位小數。最後，我們將 force_ascii 設定為 False 以保留非 ASCII 字元，並將 date_unit 設定為 'ms' 以使用毫秒作為時間戳的單位。
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)
輸出
執行後，它將建立一個名為“output.json”的新檔案，檔案內容如下所示
[
{ "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" }
]
結論
總之，在 Python 中將 pandas DataFrame 轉換為 JSON 格式是一個簡單的過程，可以使用 pandas 庫提供的 to_json() 方法來完成。
此方法允許各種自定義，例如指定 JSON 輸出格式、日期格式和精度。它還提供將生成的 JSON 字串寫入檔案的功能，從而可以輕鬆地與其他系統共享資料。透過對 to_json() 方法及其引數的基本瞭解，您可以輕鬆地將 pandas DataFrame 轉換為 JSON 格式，以用於各種應用程式。
1K+ 閱讀量
