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, chunksize=None, compression='infer') [source]

Преобразование JSON-строки в объект pandas

Параметры:

path_or_buf : допустимая JSON-строка или файлоподобный объект, по умолчанию: None Строка может быть URL. 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 можно получить с помощью to_json() с соответствующим значением orient. Набор возможных 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' : просто массив значений Разрешённые и значения по умолчанию зависят от значения параметра typ. когда typ == 'series', разрешённые значения orient — {'split','records','index'} значение по умолчанию — 'index' Индекс Series должен быть уникальным для orient 'index'. когда typ == 'frame', разрешённые значения orient — {'split','records','index', 'columns','values'} значение по умолчанию — 'columns' Индекс DataFrame должен быть уникальным для orient 'index' и 'columns'. Столбцы DataFrame должны быть уникальными для 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 со столбцом к типу данных, то используйте их, если False, то типы данных не выводятся вообще, применяется только к данным. convert_axes : boolean, по умолчанию True Попытка преобразовать оси в соответствующие типы данных. convert_dates : boolean, по умолчанию True Список столбцов для анализа дат; если True, то попробуйте проанализировать столбцы дат по умолчанию True; метка столбца является похожей на дату, если она заканчивается на '_at', она заканчивается на '_time', она начинается с 'timestamp', она является 'modified', или она является 'date' keep_default_dates : boolean, по умолчанию True Если анализируются даты, то проанализируйте столбцы по умолчанию numpy : boolean, по умолчанию False Прямое декодирование в массивы numpy. Поддерживает только числовые данные, но поддерживаются нечисловые метки столбцов и индексов. Обратите также внимание, что порядок JSON ДОЛЖЕН быть одинаковым для каждого члена, если numpy=True. precise_float : boolean, по умолчанию False Установите в значение, чтобы включить использование функции с большей точностью (strtod) при декодировании строки в двойные значения. Значение по умолчанию (False) — использовать быструю, но менее точную встроенную функциональность date_unit : строка, по умолчанию None Единица временной метки для определения, если конвертируются даты. По умолчанию поведение заключается в попытке определить правильную точность, но если это нежелательно, то передайте одно из ‘s’, ‘ms’, ‘us’ или ‘ns’, чтобы принудительно анализировать только секунды, миллисекунды, микросекунды или наносекунды соответственно. lines : boolean, по умолчанию False Считывание файла как JSON-объекта в строке. Новое в версии 0.19.0. encoding : str, по умолчанию ‘utf-8’ Кодировка для декодирования байтов py3. Новое в версии 0.19.0. chunksize: целое число, по умолчанию None Возвращение объекта JsonReader для итерации. См. документацию по json-строкам с разделителями строк для получения дополнительной информации о chunksize. Это можно передать только если lines=True. Если это None, то файл будет прочитан в память сразу. Новое в версии 0.21.0. compression : {‘infer’, ‘gzip’, ‘bz2’, ‘zip’, ‘xz’, None}, по умолчанию ‘infer’ Для декомпрессии на лету данных на диске. Если ‘infer’, то используйте gzip, bz2, zip или xz, если path_or_buf является строкой, оканчивающейся на ‘.gz’, ‘.bz2’, ‘.zip’ или ‘xz’ соответственно, и без декомпрессии в противном случае. При использовании ‘zip’ ZIP-файл должен содержать только один файл данных для чтения. Установите значение None для отсутствия декомпрессии. Новое в версии 0.21.0.

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-формата '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-формата '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-формата 'records'. Обратите внимание, что метки индексов не сохраняются при использовании этой кодировки.

>>> 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

Кодирование со схемой таблицы

>>> df.to_json(orient='table')
'{"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"}]}'