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]

Преобразование JSON-строки в объект pandas

Параметры:

path_or_buf : допустимая JSON-строка или файлоподобный объект, по умолчанию: None Строка может быть URL-адресом. Поддерживаемые схемы URL включают http, ftp, s3 и file. Для URL-адресов файлов ожидается хост. Например, локальный файл может быть file://localhost/path/to/table.json orient : строка, Указание ожидаемого формата JSON-строки. Совместимые JSON-строки могут быть созданы с помощью to_json() с соответствующим значением orient. Набор возможных значений orient: 'split' : словарь, подобный {index -> [index], columns -> [columns], data -> [values]} 'records' : список, подобный [{column -> value}, ... , {column -> value}] 'index' : словарь, подобный {index -> {column -> value}} 'columns' : словарь, подобный {column -> {index -> value}} 'values' : только массив значений Разрешенные и значения по умолчанию зависят от значения параметра typ. если typ == 'series', разрешенные значения orient — {'split','records','index'} значение по умолчанию — 'index' Индекс Series должен быть уникальным для значения orient 'index'. если typ == 'frame', разрешенные значения orient — {'split','records','index', 'columns','values'} значение по умолчанию — 'columns' Индекс DataFrame должен быть уникальным для значений orient 'index' и 'columns'. Столбцы DataFrame должны быть уникальными для значений orient 'index', 'columns', и 'records'. typ : тип объекта для восстановления (series или frame), по умолчанию ‘frame’ dtype : boolean или словарь, по умолчанию True Если True, выводится тип данных, если словарь столбец-тип данных, то используются эти значения. Если False, то типы данных не выводятся, относится только к данным. convert_axes : boolean, по умолчанию True Попытка преобразовать оси к соответствующим типам данных. convert_dates : boolean, по умолчанию True Список столбцов для анализа дат; Если True, то пытается проанализировать столбцы, похожие на даты; столбец считается похожим на дату, если он оканчивается на '_at', он оканчивается на '_time', он начинается с 'timestamp', он является 'modified', или он является 'date' keep_default_dates : boolean, по умолчанию True Если анализируются даты, то анализируются столбцы по умолчанию, похожие на даты numpy : boolean, по умолчанию False Прямое декодирование в массивы numpy. Поддерживает только числовые данные, но поддерживаются нечисловые метки столбцов и индексов. Также обратите внимание, что порядок JSON ДОЛЖЕН быть одинаковым для каждого элемента, если numpy=True. precise_float : boolean, по умолчанию False Устанавливает возможность использования функции с более высокой точностью (strtod) при декодировании строк в значения двойной точности. По умолчанию (False) используется быстрая, но менее точная встроенная функциональность. date_unit : строка, по умолчанию None Единица времени метки времени для обнаружения преобразования дат. По умолчанию система пытается определить правильную точность, но если это нежелательно, то передайте одно из ‘s’, ‘ms’, ‘us’ или ‘ns’ для принудительного анализа только секунд, миллисекунд, микросекунд или наносекунд соответственно. lines : boolean, по умолчанию False Чтение файла как JSON-объект на каждой строке. Добавлена в версии 0.19.0. encoding : str, по умолчанию ‘utf-8’ Кодировка, используемая для декодирования py3 байтов. Добавлена в версии 0.19.0.

Возвращает:

result : Series или DataFrame, в зависимости от значения typ.

См. также

DataFrame.to_json

Примеры

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

Кодирование/декодирование DataFrame с использованием JSON в формате 'split'.

>>> 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

Кодирование/декодирование DataFrame с использованием JSON в формате 'index'.

>>> 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

Кодирование/декодирование DataFrame с использованием JSON в формате 'records'. Обратите внимание, что метки индекса не сохраняются при этом кодировании.

>>> 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