pandas.Series.to_json

Series.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='infer', index=True) [source]

Преобразовать объект в строку JSON.

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

Параметры:

path_or_buf : string or file handle, optional Путь к файлу или объект. Если не указано, результат возвращается в виде строки. orient : string Указание ожидаемого формата строки JSON. Series По умолчанию ‘index’ Допустимые значения: {‘split’,’records’,’index’,’table’} DataFrame По умолчанию ‘columns’ Допустимые значения: {‘split’,’records’,’index’,’columns’,’values’,’table’} Формат строки JSON ‘split’ : словарь типа {‘index’ -> [индекс], ‘columns’ -> [столбцы], ‘data’ -> [значения]} ‘records’ : список типа [{столбец -> значение}, … , {столбец -> значение}] ‘index’ : словарь типа {индекс -> {столбец -> значение}} ‘columns’ : словарь типа {столбец -> {индекс -> значение}} ‘values’ : только массив значений ‘table’ : словарь типа {‘schema’: {схема}, ‘data’: {данные}}, описывающий данные, а компонент данных аналогичен orient='records'. Изменено в версии 0.20.0. date_format : {None, ‘epoch’, ‘iso’} Тип преобразования даты. ‘epoch’ = метки времени в миллисекундах, ‘iso’ = ISO8601. Значение по умолчанию зависит от orient. Для orient='table', значение по умолчанию равно ‘iso’. Для всех остальных ориентиров значение по умолчанию равно ‘epoch’. double_precision : int, default 10 Количество десятичных знаков, используемых при кодировании чисел с плавающей точкой. force_ascii : bool, default True Принудительное кодирование строки в ASCII. date_unit : string, default ‘ms’ (milliseconds) Единица измерения времени для кодирования, регулирует точность метки времени и ISO8601. Одно из значений ‘s’, ‘ms’, ‘us’, ‘ns’ для секунды, миллисекунды, микросекунды и наносекунды соответственно. default_handler : callable, default None Обработчик, который вызывается, если объект не может быть преобразован в подходящий формат для JSON. Должен принять в качестве аргумента один объект для преобразования и вернуть сериализуемый объект. lines : bool, default False Если ‘orient’ равно ‘records’, записывать строку JSON с разделителями строк. Вызовет ValueError, если неверный ‘orient’, так как другие не являются списками. Введено в версии 0.19.0. compression : {‘infer’, ‘gzip’, ‘bz2’, ‘zip’, ‘xz’, None} Строка, представляющая сжатие, используемое в выходном файле, используется только в случае, если первый аргумент является именем файла. По умолчанию сжатие определяется по имени файла. Введено в версии 0.21.0. Изменено в версии 0.24.0: Добавлен параметр ‘infer’, установленный по умолчанию. index : bool, default True Включать ли значения индексов в строку JSON. Исключение индексов (index=False) поддерживается только при orient равном ‘split’ или ‘table’. Введено в версии 0.23.0.

См. также

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 индексов при этом 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"}]}'