目录

搜索

输入搜索字词或模块，类或函数名称。

pandas.read_json

pandas.read_json(path_or_buf=None, orient=None, typ='frame', dtype=True, convert_axes=True, convert_dates=True, keep_default_dates=True, numpy=False, precise_float=False, date_unit=None, encoding=None, lines=False)[source]

将JSON字符串转换为pandas对象

参数：

path_or_buf：有效的JSON字符串或类似文件，默认值：无

字符串可以是URL。有效的URL方案包括http，ftp，s3和file。对于文件URL，需要主机。例如，本地文件可以是file://localhost/path/to/table.json

orient：string，

指示预期的JSON字符串格式。可以通过to_json()生成兼容的JSON字符串，并使用相应的定向值。可能的orients集合是：

  • 'split' : dict like {index -> [index], columns -> [columns], data -> [values]}
  • 'records'：列表像[{column - > value}， 。 .. ， {column - ＆gt； value}]
  • 'index'：dict like {index - > {column value}}
  • 'columns'：dict like {column - > {index value}}
  • 'values'：只是values数组

允许值和默认值取决于typ参数的值。

  • 当typ == 'series'
    • 允许的对象是{'split','records','index'}
    • 默认为'index'
    • 对于orient 'index'，系列索引必须是唯一的。
  • 当typ == 'frame'
    • 允许的对象是{'split'，'records'，'index'， 'columns'，'values'}
    • 默认为'columns'
    • 对于'index'和'columns'，DataFrame索引必须是唯一的。
    • 对于'index'，'columns'和'records'，DataFrame列必须是唯一的。

typ：要恢复的对象类型（系列或框架），默认'frame'

dtype：boolean或dict，default True

如果为True，推断dtypes，如果一个字段的列到dtype，那么使用那些，如果False，那么不推断dtypes，只适用于数据。

convert_axes：boolean，default True

尝试将轴转换为正确的类型。

convert_dates：boolean，default True

解析日期的列列表；如果为True，则尝试解析datelike列，默认为True；列标签是datelike if

  • 它以'_at'结束，
  • 它以'_time'结尾，
  • 它从'timestamp'开始，
  • 它是'modified'，或
  • 它是'date'

keep_default_dates：boolean，default True

如果解析日期，则解析默认的类型列

numpy：boolean，default False

直接解码为numpy数组。仅支持数字数据，但支持非数字列和索引标签。还要注意，如果numpy = True，JSON订单必须对每个术语都是相同的。

precise_float：boolean，default False

设置为在将字符串解码为双精度值时启用更高精度（strtod）函数的使用。默认（False）是使用快速但不太精确的内置功能

date_unit：string，default无

用于检测转换日期的时间戳单位。默认行为是尝试并检测正确的精度，但如果不需要，则通过's'，'ms'，'us'或'ns'之一来分别强制解析秒，毫秒，微秒或纳秒。

行：boolean，default False

作为每行的json对象读取文件。

版本0.19.0中的新功能。

encoding：str，default is'utf-8'

用于解码py3字节的编码。

版本0.19.0中的新功能。
返回：

结果：系列或DataFrame，取决于typ的值。

也可以看看

DataFrame.to_json

例子

>>> df = pd.DataFrame([['a', 'b'], ['c', 'd']],
...                   index=['row 1', 'row 2'],
...                   columns=['col 1', 'col 2'])

使用'split'格式化JSON对数据帧进行编码/解码：

>>> df.to_json(orient='split')
'{"columns":["col 1","col 2"],
  "index":["row 1","row 2"],
  "data":[["a","b"],["c","d"]]}'
>>> pd.read_json(_, orient='split')
      col 1 col 2
row 1     a     b
row 2     c     d

使用'index'格式化JSON对数据帧进行编码/解码：

>>> df.to_json(orient='index')
'{"row 1":{"col 1":"a","col 2":"b"},"row 2":{"col 1":"c","col 2":"d"}}'
>>> pd.read_json(_, orient='index')
      col 1 col 2
row 1     a     b
row 2     c     d

使用'records'格式化的JSON对Dataframe进行编码/解码。请注意，此编码不会保留索引标签。

>>> df.to_json(orient='records')
'[{"col 1":"a","col 2":"b"},{"col 1":"c","col 2":"d"}]'
>>> pd.read_json(_, orient='records')
  col 1 col 2
0     a     b
1     c     d
Scroll To Top