如何将嵌套 JSON 读入 Pandas DataFrame 并操作数据结构？

将嵌套 JSON 读取为 Pandas DataFrame

要将包含嵌套对象的 JSON 文件读取为 Pandas DataFrame，您可以使用强大的 json_normalize功能。此函数允许您将嵌套数据结构展平为表格格式，从而更容易操作和分析数据。

将数组扩展为列

您的示例 JSON 包含一系列位置。您可以将此数组扩展为单独的列，以更好地了解数据，而不是将其保留为 JSON 列。 json_normalize 可以通过元参数来实现这一点。它指定哪些列应取消嵌套并作为常规列包含在 DataFrame 中。

<code class="python">import json

with open('myJson.json') as data_file:    
    data = json.load(data_file)  

df = pd.json_normalize(data, 'locations', ['date', 'number', 'name'], 
                    record_prefix='locations_', meta=['depTime', 'arrTime'])</code>

此代码将为从位置数组派生的 depTime 和 arrTime 附加列创建一个 DataFrame。

加入位置列

您提到您想要加入位置列。这可以使用以下代码完成：

<code class="python">df['locations'] = df.locations.apply(','.join)</code>

这会将位置连接成一个逗号分隔的字符串。

处理多个 JSON 对象

如果您的 JSON 文件包含多个 JSON 对象（每行一个），您可以使用以下代码：

<code class="python">import pandas as pd

# Read the JSON file into a list of dictionaries
with open('myJson.json') as f:
    data = [json.loads(line) for line in f]

# Convert the list of dictionaries to a DataFrame
df = pd.DataFrame(data)</code>

然后您可以应用上述相同的技术来标准化和连接嵌套数据。

通过利用 json_normalize，您可以高效地读取、展平和操作嵌套的 JSON 数据到 pandas DataFrame 中，从而增强您的数据分析能力。

以上是如何将嵌套 JSON 读入 Pandas DataFrame 并操作数据结构？的详细内容。更多信息请关注PHP中文网其他相关文章！