pandas.Panel.to_json

Panel.to_json(path_or_buf=None, orient=None, date_format=None, double_precision=10, force_ascii=True, date_unit='ms', default_handler=None, lines=False, compression=None, index=True) [source]

Преобразовать объект в строку JSON.

Обратите внимание, что NaN и None будут преобразованы в null, а объекты datetime — в метки времени UNIX.

Параметры:

path_or_buf : строка или дескриптор файла, необязательно Путь к файлу или объект. Если не указано, результат возвращается как строка. orient : строка Указание ожидаемого формата строки JSON. Series по умолчанию ‘index’ допустимые значения: {‘split’,’records’,’index’} DataFrame по умолчанию ‘columns’ допустимые значения: {‘split’,’records’,’index’,’columns’,’values’} Формат строки JSON ‘split’ : словарь вида {‘index’ -> [индекс], ‘columns’ -> [колонки], ‘data’ -> [значения]} ‘records’ : список вида [{колонка -> значение}, … , {колонка -> значение}] ‘index’ : словарь вида {индекс -> {колонка -> значение}} ‘columns’ : словарь вида {колонка -> {индекс -> значение}} ‘values’ : только массив значений ‘table’ : словарь вида {‘schema’: {схема}, ‘data’: {данные}}, описывающий данные, и компонент данных похож на orient='records'. Изменено в версии 0.20.0. date_format : {None, ‘epoch’, ‘iso’} Тип преобразования даты. ‘epoch’ = метка времени в эпохе в миллисекундах, ‘iso’ = ISO8601. По умолчанию зависит от orient. Для orient='table', по умолчанию ‘iso’. Для всех остальных ориентаций по умолчанию ‘epoch’. double_precision : целое число, по умолчанию 10 Количество знаков после запятой для кодирования чисел с плавающей точкой. force_ascii : булево, по умолчанию True Принудительно кодировать строку в ASCII. date_unit : строка, по умолчанию ‘ms’ (миллисекунды) Единица измерения времени для кодирования, управляет точностью метки времени и ISO8601. Одно из ‘s’, ‘ms’, ‘us’, ‘ns’ для секунд, миллисекунд, микросекунд и наносекунд соответственно. default_handler : вызываемый объект, по умолчанию None Обработчик, вызываемый, если объект не может быть преобразован в подходящий для JSON формат. Должен принять в качестве аргумента один объект и вернуть сериализуемый объект. lines : булево, по умолчанию False Если ‘orient’ равен ‘records’, выводить JSON в формате с разделителями строк. Будет вызвано исключение ValueError, если неверный ‘orient’, так как другие не являются списками. Добавлен в версии 0.19.0. compression : {None, ‘gzip’, ‘bz2’, ‘zip’, ‘xz’} Строка, представляющая сжатие, используемое в выходном файле, используется только тогда, когда первый аргумент — имя файла. Добавлен в версии 0.21.0. index : булево, по умолчанию True Включать ли значения индекса в строку JSON. Исключение индекса (index=False) поддерживается только при orient = ‘split’ или ‘table’. Добавлен в версии 0.23.0.

См. также

pandas.read_json

Примеры

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

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

>>> df.to_json(orient='records')
'[{"col 1":"a","col 2":"b"},{"col 1":"c","col 2":"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"}}'

Кодирование/декодирование DataFrame с использованием JSON в формате 'columns':

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

Кодирование/декодирование DataFrame с использованием JSON в формате 'values':

>>> df.to_json(orient='values')
'[["a","b"],["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"}]}'