Python pandas.DataFrame.to_json函数方法的使用

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。本文主要介绍一下Pandas中pandas.DataFrame.to_json方法的使用。

DataFrame.to_json(path_or_buf=None, orient=None, date_format=None, double_precision=10, force_ascii=True, date_unit='ms', default_handler=None, lines=False, compression='infer', index=True, indent=None) [source]

将对象转换为JSON字符串。

注意：NaN和None将被转换为null, datetime对象将被转换为UNIX时间戳。

参数：

path_or_buf ：str 或 file handle, 默认为 None

文件路径或对象。如果未指定，则结果以字符串形式返回。

orient ：str

预期的JSON字符串格式的指示。

1) Series:

默认值为‘index’

允许的值为：{'split'，'records'，'index'，'table'}。

2) DataFrame:

默认为‘columns’

允许的值为：

{'split'，'records'，'index'，'columns'，'values'，'table'}。

3) JSON字符串格式:

'split'：类似{'index'-> [index]，

'columns'-> [columns]，'data'-> [values]}的字典

'records'：类似于[{column-> value}，

…，{column-> value}]的列表

'index'：类似{index-> {column-> value}}的字典

'columns'：类似{column-> {index-> value}}的字典

‘values’：只是值数组

'table'：类似{'schema'：{schema}，'data'：{data}}的字典

描述数据，其中数据成分类似于orient='records'。

在版本0.20.0中更改。

date_format ：{None, ‘epoch’, ‘iso’}

日期转换的类型。'epoch'= epoch milliseconds，

'iso'= ISO8601。默认值取决于orient。

对于 orient='table'，默认值为'iso'。

对于所有其他东方，默认值为‘epoch’.。

double_precision ：int, 默认为10

在对浮点值进行编码时要使用的小数位数。

force_ascii ：bool, 默认为True

强制将字符串编码为ASCII。

date_unit ：str，默认为“ms”（毫秒）

要编码的时间单位，控制时间戳和ISO8601精度。

“s”，“ms”，“us”，“ns”之一分别表示秒，毫秒，微秒和纳秒。

default_handler ：callable, 默认为None

如果对象不能转换为适合JSON的格式，则调用。

应该接收一个参数，该参数是要转换的对象并返回一个可序列化对象。

lines ：bool, 默认为 False

如果'orient'是'records'，则写出行分隔的json格式。

如果不正确的‘orient’将抛出ValueError，因为其他人没有列出。

compression ：{‘infer’, ‘gzip’, ‘bz2’, ‘zip’, ‘xz’, None}

表示要在输出文件中使用的压缩的字符串，

仅在第一个参数是文件名时使用。默认情况下，

压缩是从文件名推断出来的。

在0.24.0版本中更改:增加了“infer”选项并将其设置为默认

index ：bool, 默认为 True

是否在JSON字符串中包括索引值。

仅当Orient是“split”或“table”时，

才支持不包括index(index=False)。

0.23.0版中的新功能。

indent ：int, 可选

用于缩进每条记录的空白长度。

1.0.0版的新功能。。

返回值：

None 或 str

如果path_or_buf为None，

则将生成的json格式作为字符串返回。

否则返回None。

Notes

indent=0的行为与stdlib不同，stdlib不会缩进输出，但会插入新行。目前，在panda中，indent=0和默认的indent=None是等价的，不过在将来的版本中可能会更改。

例子

>>> import json>>> df = pd.DataFrame(...     [["a", "b"], ["c", "d"]],...     index=["row 1", "row 2"],...     columns=["col 1", "col 2"],... )>>> result = df.to_json(orient="split")>>> parsed = json.loads(result)>>> json.dumps(parsed, indent=4)  {    "columns": [        "col 1",        "col 2"    ],    "index": [        "row 1",        "row 2"    ],    "data": [        [            "a",            "b"        ],        [            "c",            "d"        ]    ]}

使用'records'格式化的JSON 对数据框进行编码/解码。请注意，索引标签不会使用此编码保留

>>> result = df.to_json(orient="records")>>> parsed = json.loads(result)>>> json.dumps(parsed, indent=4)  [    {        "col 1": "a",        "col 2": "b"    },    {        "col 1": "c",        "col 2": "d"    }]

使用'index'格式化的JSON 编码/解码数据框：

>>> result = df.to_json(orient="index")>>> parsed = json.loads(result)>>> json.dumps(parsed, indent=4)  {    "row 1": {        "col 1": "a",        "col 2": "b"    },    "row 2": {        "col 1": "c",        "col 2": "d"    }}

使用'columns'格式化的JSON 编码/解码数据框：

>>> result = df.to_json(orient="columns")>>> parsed = json.loads(result)>>> json.dumps(parsed, indent=4)  {    "col 1": {        "row 1": "a",        "row 2": "c"    },    "col 2": {        "row 1": "b",        "row 2": "d"    }}

使用'values'格式化的JSON 编码/解码数据框：

>>> result = df.to_json(orient="values")>>> parsed = json.loads(result)>>> json.dumps(parsed, indent=4)  [    [        "a",        "b"    ],    [        "c",        "d"    ]]

使用表架构进行编码：

>>> result = df.to_json(orient="table")>>> parsed = json.loads(result)>>> json.dumps(parsed, indent=4)  {    "schema": {        "fields": [            {                "name": "index",                "type": "string"            },            {                "name": "col 1",                "type": "string"            },            {                "name": "col 2",                "type": "string"            }        ],        "primaryKey": [            "index"        ],        "pandas_version": "0.20.0"    },    "data": [        {            "index": "row 1",            "col 1": "a",            "col 2": "b"        },        {            "index": "row 2",            "col 1": "c",            "col 2": "d"        }    ]}

文档：pandas.DataFrame.to_json