如何用 Python 与 Pandas 高效处理 JSON 数据?

Python猫

共 11721字,需浏览 24分钟

 ·

2021-03-14 17:14

 △点击上方“Python猫”关注 ,回复“2”加入交流群

作者:Peter
来源:Python编程时光


在实际工作中,尤其是web数据的传输,我们经常会遇到json数据。它不像常见的文本数据、数值数据那样友好,而且它和Python中的字典类型数据又很相像,给很多人造成了困扰。

本文结合具体案例详细介绍了如何利用Python和pandas(Python的第三方库)来处理json数据,主要内容包含:

  • json数据简介

  • 常用json数据转化网站

  • json数据和Python数据的转化

  • pandas处理json数据


1. JSON 简单介绍

1.1 什么是json数据

首先,我们看一段来自维基百科对json的解释:

JSONJavaScript Object Notation,JavaScript对象表示法)是一种由道格拉斯·克罗克福特构想和设计、轻量级的资料交换语言,该语言以易于让人阅读的文字为基础,用来传输由属性值或者序列性的值组成的数据对象。

JSON 数据格式与语言无关。即便它源自JavaScript,但目前很多编程语言都支持 JSON 格式数据的生成和解析。文件扩展名是 .json

通过上面的官方介绍,我们总结3点:

  • JSON是一种文本(资料)语言,超轻量级的数据交换格式

  • JSON数据容易阅读,易读性强

  • 源自JavaScript,其他语言可解析JSON数据

1.2 json数据类型

JSON实际上是JavaScript的一个子集,JSON语言中仅有的6种数据类型或者它们之间的任意组合:

  • number:和JavaScript中的number一致

  • boolean:JavaScript中的true或者false

  • string:JavaScript中的string

  • null:JavaScript中的null

  • array:JavaScript的表示方式:[]

  • object:JavaScript的{…}表示方式

1.3 两点规定

1、JSON语言中规定了字符集必须是UTF-8

2、为了统一解析,JSON的字符串规定必须是双引号""

2. 常用json数据转化网站

1、json.cn:https://www.json.cn/

2、json菜鸟工具:https://c.runoob.com/front-end/53

3、sojson:https://www.sojson.com/,非常全的json处理网站

4、kjson:https://www.kjson.com/

5、编程狮-json检验工具:https://www.w3cschool.cn/tools/index?name=jsoncheck

6、JSONViewer:http://jsonviewer.stack.hu/,用于检测Json格式是否正确的一个在线应用工具

3. JSON 和 Dict 类型转化

本小节主要讲解的json类型数据和Python类型的转化。

json对象和Python字典的转化主要使用的是内置json包,下面详细介绍该包的使用。详细的学习资料见官网:https://docs.python.org/3/library/json.html

首先使用的时候直接导入该包:

import json

json包中存在4中方法用来进行和Python内置数据类型的转化:

方法作用
json.dumps()将python对象编码成Json字符串:字典到json
json.loads()将Json字符串解码成python对象:json到字典
json.dump()将python中的对象转化成json储存到文件中
json.load()将文件中的json的格式转化成python对象提取出来

笔记:两个和load相关的方法只是多了一步和文件相关的操作。

json.dumps

和dump相关的两个函数是将Python数据类型转成json类型,转化对照表如下:

PythonJSON
dictobject
list, tuplearray
str, unicodestring
int, long, floatnumber
Truetrue
Falsefalse
Nonenull

json.dumps方法的作用是将Python字典类型的数据转成json格式的数据,具体的参数如下:

json.dumps(obj,   # 待转化的对象
           skipkeys=False,  # 默认值是False,若dict的keys内的数据不是python的基本类型(str,unicode,int,long,float,bool,None),设置为False时,就会报TypeError的错误。此时设置成True,则会跳过这类key
           ensure_ascii=True,  # 默认是ASCII码,若设置成False,则可以输出中文
           check_circular=True,  # 若为False,跳过对容器类型的循环引用检查
           allow_nan=True,  # 若allow_nan为假,则ValueError将序列化超出范围的浮点值(nan、inf、-inf),严格遵守JSON规范,而不是使用JavaScript等价值(nan、Infinity、-Infinity)
           cls=None
           indent=None# 参数根据格式缩进显示,表示缩进几个空格
           separators=None,   # 指定分隔符;包含不同dict项之间的分隔符和key与value之间的分隔符;同时去掉`: `
           encoding="utf-8",  # 编码
           default=None# 默认是一个函数,应该返回可序列化的obj版本或者引发类型错误;默认值是只引发类型错误
           sort_keys=False,  # 若为False,则字典的键不排序;设置成True,按照字典排序(a到z) 
           **kw)

通过例子来解释上面几个常见参数的作用

1、当我们的Python类型数据中存在中文

information1 = {
    'name''小明',
    'age'18,
    'address''shenzhen'
}
# 字典转成json数据
information2 = json.dumps(information1)

print(type(information1))
print(type(information2))
print(information2)

加上ensure_ascii=False参数即可显示中文:

# 字典转成json数据
information3 = json.dumps(information1,ensure_ascii=False)

⚠️通过结果我们发现:json数据中全部变成了双引号,原来的字典类型数据中使用的是单引号,再看一个关于引号变化的例子:

>>> import json
>>> print(json.dumps({'4'5'6'7}, sort_keys=True, indent=4))  # python中的键是字符串,用单引号

# 结果显示
{
    "4"5,  # 变成双引号
    "6"7
}

2、对json数据通过缩进符美观输出,使用indent参数

information4 = {
    'name''小明',
    'age'18,
    'skills''python',
    'english''CET6',
    'major''会计',
    'address''深圳'
}

information5 = json.dumps(information4, ensure_ascii=False)   # 不缩进
information6 = json.dumps(information4, ensure_ascii=False, indent=2)  # 缩进2个空格  
information7 = json.dumps(information4, ensure_ascii=False, indent=5)  # 缩进5个空格


print(information5)
print(information6)
print(information7)

3、对Python数据类型中键进行排序输出

information4 = {
    'name''小明',
    'age'18,
    'skills''python',
    'english''CET6',
    'major''会计',
    'address''深圳'
}

information8 = json.dumps(information4, ensure_ascii=False, indent=2)  
information9 = json.dumps(information4, ensure_ascii=False, indent=2,sort_keys=True)  #  键的排序设置成True 

print(information8)
print(information9)

通过sort_keys=True的设置,可以观察到输出的结果进行了首写字母的排序;当首写字母相同,按照第二个字母再进行排序。

4、输出分隔符的控制

使用separators参数来设置不同的输出分隔符;不同的dic元素之间默认是,键值对之间默认是:

information1 = {
    'name''小明',
    'age'18,
    'address''shenzhen'
}

information2 = json.dumps(information1,ensure_ascii=False)
information10 = json.dumps(information1,ensure_ascii=False,separators=('+','@'))  # 改变分隔符

print(information2)  # 默认连接符
print(information10)  

json.dump

json.dump功能和json.dumps类似,只是需要将数据存入到文件中,二者参数相同

我们尝试将下面的个人信息写入到文件中

information = {
    'name''小明',
    'age'18,
    'skills''python',
    'english''CET6',
    'major''会计',
    'address''深圳'
}

1、如果不使用indent参数,全部信息显示为一行

# 使用json.dump;json数据一定是双引号

with open("information_1_to_json.json""w", encoding='utf-8'as f:
    # json.dump(dic_, f) # 全部写入一行数据,不换行
    json.dump(information,   # 待写入数据
              f, # File对象
              sort_keys=True,  # 键的排序
              ensure_ascii=False)  # 显示中文

看看实际的保存效果:

加入indent参数,会显示成多行数据:

with open("information_2_to_json.json""w", encoding='utf-8'as f:
    json.dump(information, 
              f, 
              indent=2,  # 空格缩进符,写入多行
              sort_keys=True
              ensure_ascii=False

json.loads

load相关的两个函数是将json转成Python数据类型,转化对照表如下:

JSONPython
objectdict
arraylist
stringunicode
number (int)int, long
number (real)float
trueTrue
falseFalse
nullNone

json.loads的作用是将json格式的数据转成Python字典类型的数据。

information1 = {
    'name''小明',
    'age'18,
    'address''shenzhen'
}
# 字典转成json数据
information3 = json.dumps(information1,ensure_ascii=False)

information11 = json.loads(information3)  # json转成字典数据
print(information11)

json.load

打开json文件再转成字典形式的数据

# 使用json.load

with open("information_to_json.json",encoding="utf-8"as f:
    json_to_dict = json.load(f)  # json转成字典

print(json_to_dict)

4. JSON 和 非 Dict 类型的转化

上面介绍的主要是json格式数据和Python字典之间的转化,下面讲解了Python其他数据类型通过json.dumps方法转成json个数据:

1、元组转化

2、列表转化

3、布尔值转化

4、数值型数据转化

5. 利用 Demjson 来解析

DemjsonPython的第三方库,能够用于编码和解码json数据:

  • encode:将 Python 对象编码成 JSON 字符串

  • decode:将已编码的 JSON 字符串解码为 Python 对象

安装demjson

直接使用pip install demjson安装,kan'dao看到如下界面表示安装成功。

使用demjson

使用之前先进行导入:

import demjson   # 导入包

1、编码功能

2、解码功能

demjson包一个明显的缺点就是不能直接解析中文数据:

如果我们想看到中文数据,可以使用eval函数:

6. Pandas处理 json

下面介绍pandas库对json数据的处理:

  • read_json:从json文件中读取数据

  • to_json:将pandas中的数据写入到json文件中

  • json_normalize:对json数据进行规范化处理

https://geek-docs.com/pandas/pandas-read-write/pandas-reading-and-writing-json.html

6.1 read_json

首先看看官网中read_json的参数:

pandas.read_json(
  path_or_buf=None,  # json文件路径
  orient=None,  # 重点参数,取值为:"split"、"records"、"index"、"columns"、"values"
  typ='frame',   # 要恢复的对象类型(系列或框架),默认’框架’.
  dtype=None# boolean或dict,默认为True
  convert_axes=None
  convert_dates=True
  keep_default_dates=True
  numpy=False
  precise_float=False
  date_unit=None
  encoding=None
  lines=False,  # 布尔值,默认为False,每行读取该文件作为json对象
  chunksize=None,
  compression='infer'
  nrows=None
  storage_options=None)

详细的参数解析可以参考文章:https://blog.csdn.net/qq_41562377/article/details/90203805

假设我们现在有一份json数据,如下图所示:

我们将上面的数据读取进来,由于数据是比较规范的,所以直接填写文件路径即可读取:

重点讲解下参数orient

1、oriden='split'

split’ : dict like {index -> [index], columns -> [columns], data -> [values]}

json文件的key的名字只能为index,cloumns,data这三个,另外多一个key都不行,少一个也不行。举例说明:

2、orient='records'

‘records’ : list like [{column -> value}, … , {column -> value}]

3、orient='index'

dict like {index -> {column -> value}}

4、orient='columns'

dict like {column -> {index -> value}}

转置之后就是上面orient='index'的结果



5、orient='values'

‘values’ : just the values array

6.2 to_json

to_json方法就是将DataFrame文件保存成json文件:

df.to_json("个人信息.json")   # 直接保存成json文件

如果按照上面的代码保存,中文是没有显示的:

当然我们可以通过json.load将json文件再次读取进行,显示中文,我们也可以直接在保存的时候显示中文:

df.to_json("个人信息1.json",force_ascii=False)   # 显示中文

6.3 json_normalize

https://www.jianshu.com/p/a84772b994a0

上面介绍的json数据的保存和读取中json数据都是列表形式的;但是json文件中的数据通常不一定全部是列表形式,那么我们需要将字典结构的文件转成列表形式,这个过程就叫做规范化。

pandas中的json_normalize()函数能够将字典或列表转成表格,使用之前先进行导入:

from pandas.io.json import json_normalize

通过官网和一个实际的例子来同时进行学习,首先看看官网的例子:

1、层级字典通过属性的形式显示数据:

2、如果加入max_level参数则会显示不同的效果:

若max_level=0,则嵌套的字典会当做整体,显示在数据框中

若max_level=1,则嵌套的字典会被拆解,里面的键会被单独出来:

3、读取层级嵌套中的部分内容:

4、读取全部内容

7. 总结一下

json数据是工作中经常会遇到的一种数据格式,也是很重要的一种数据。

本文首先对json数据及格式进行了简介,重新认识json数据;其次,结合各种实际案例,将jsonPython的各种数据类型,尤其是字典类型进行了转化;最后,重要讲解了json数据的读取、写入和规范化的操作。

希望这篇文章的详细讲解,能够帮助到各位搞定json数据~

近两年里,我原创和翻译了130+技术文章,主要关注Python进阶、小技巧、编程设计、PEP翻译、Python哲学等话题。现已集结出了一本电子书《优雅的Python》,请回复数字『1』,获取下载地址。

近期热门文章推荐:

好的编程语言具备哪些特性?
深入理解Python的TLS机制和Threading.local()
Python 为什么用 # 号作注释符?
耗时两年,我终于出了一本电子书!
Linux 日志切割神器 Logrotate 原理和配置详解(附多生产实例)

分享在看是对我最大的支持!

浏览 34
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报