文章目录
- 引言
- JSON 数据的五种常见结构
- 1. `'split'` 结构
- 2. `'records'` 结构
- 3. `'index'` 结构
- 4. `'columns'` 结构
- 5. `'values'` 结构
引言
在日常生活中，我们经常与各种数据打交道，无论是从网上购物的订单信息到社交媒体上的动态更新。JSON（JavaScript Object Notation）是一种常见的数据交换格式，被广泛应用于互联网服务中。Pandas 是 Python 中用于数据分析的强大库，它能够轻松处理 JSON 数据，并将其转换为易于操作的数据表格形式——DataFrame。
JSON 数据的五种常见结构
1. 'split' 结构
假设您正在整理家庭开支记录，您的 JSON 文件可能像这样组织，分为索引、列名和数据值三个部分。
JSON 示例：
{"index": ["超市", "餐厅"],"columns": ["支出金额", "日期"],"data": [[120, "2024-11-01"], [85, "2024-11-02"]]
}
Pandas 代码及输出结果：
import pandas as pdjson_split = '{"index": ["超市", "餐厅"], "columns": ["支出金额", "日期"], "data": [[120, "2024-11-01"], [85, "2024-11-02"]]}'
df_split = pd.read_json(json_split, orient='split')
print(df_split)
输出结果示例：
支出金额 日期
超市 120 2024-11-01
餐厅 85 2024-11-02
2. 'records' 结构
如果您有多个朋友的联系方式列表，每条记录可以是一个包含所有字段的字典。
JSON 示例：
[{"姓名": "李华", "电话": "12345678"},{"姓名": "王伟", "电话": "87654321"}
]
Pandas 代码及输出结果：
json_records = '[{"姓名": "李华", "电话": "12345678"}, {"姓名": "王伟", "电话": "87654321"}]'
df_records = pd.read_json(json_records, orient='records')
print(df_records)
输出结果示例：
姓名 电话
0 李华 12345678
1 王伟 87654321
3. 'index' 结构
想象一下，您有一个书籍收藏列表，其中每一本书都有一个唯一的编号作为索引。
JSON 示例：
{"书1": {"标题": "Python编程", "作者": "张三"},"书2": {"标题": "数据分析入门", "作者": "李四"}
}
Pandas 代码及输出结果：
json_index = '{"书1": {"标题": "Python编程", "作者": "张三"}, "书2": {"标题": "数据分析入门", "作者": "李四"}}'
df_index = pd.read_json(json_index, orient='index')
print(df_index)
输出结果示例：
标题 作者
书1 Python编程 张三
书2 数据分析入门 李四
4. 'columns' 结构
考虑一个情景，您正在记录每周的天气情况，以列为单位存储温度和湿度等信息。
JSON 示例：
{"温度": {"周一": 22, "周二": 20},"湿度": {"周一": 58, "周二": 60}
}
Pandas 代码及输出结果：
json_columns = '{"温度": {"周一": 22, "周二": 20}, "湿度": {"周一": 58, "周二": 60}}'
df_columns = pd.read_json(json_columns, orient='columns')
print(df_columns)
输出结果示例：
温度 湿度
周一 22 58
周二 20 60
5. 'values' 结构
最后，如果您的数据是简单的二维数组，不包括任何索引或列名信息。
JSON 示例：
[[22, 58], [20, 60]]
Pandas 代码及输出结果：
json_values = '[[22, 58], [20, 60]]'
df_values = pd.read_json(json_values, orient='values')
print(df_values)
输出结果示例：
0 1
0 22 58
1 20 60
