Pandas json_normalize 函數(shù)使用教程介紹

json_normalize 是 Pandas 庫中一個(gè)強(qiáng)大的函數(shù)，用于將嵌套的 JSON 數(shù)據(jù)規(guī)范化成平面的 DataFrame。這對(duì)于處理包含嵌套結(jié)構(gòu)的 JSON 數(shù)據(jù)非常有用，使其更容易分析和操作。在本教程中，我們將深入介紹 json_normalize 函數(shù)，并通過通俗的例子幫助你理解其參數(shù)的作用。

安裝 Pandas

首先，確保你已經(jīng)安裝了 Pandas。如果沒有安裝，可以使用以下命令進(jìn)行安裝：pip install pandas使用 json_normalize基本用法讓我們從最基本的用法開始。假設(shè)有如下嵌套的 JSON 數(shù)據(jù)：{                
  "name":"John",                
  "age":30,                
  "address":{                
    "city":"New York",                
    "zip":"10001"                
  }                
}

}

現(xiàn)在我們將使用 json_normalize 將其規(guī)范化成 DataFrame：import pandas as pd                
               
# 嵌套的 JSON 數(shù)據(jù)                
data = {                
    "name": "John",                
    "age": 30,                
    "address": {                
        "city": "New York",                
        "zip": "10001"                
    }                
}                
               
# 使用 json_normalize 規(guī)范化                
df = pd.json_normalize(data)                
               
# 打印 DataFrame                
print(df)    

print(df)    運(yùn)行上述代碼，你將得到一個(gè)包含規(guī)范化數(shù)據(jù)的 DataFrame。處理嵌套數(shù)組json_normalize 也可以處理包含嵌套數(shù)組的 JSON 數(shù)據(jù)。

考慮以下 JSON：{                
  "name":"John",                
  "age":30,                
  "skills":[                
    {"language":"Python", "level":"Intermediate"},                
    {"language":"JavaScript", "level":"Advanced"}                
  ]                
}

}

我們可以使用 record_path 參數(shù)指定要規(guī)范化的嵌套數(shù)組：# 嵌套數(shù)組的 JSON 數(shù)據(jù)                
data_with_array = {                
    "name": "John",                
    "age": 30,                
    "skills": [                
        {"language": "Python", "level": "Intermediate"},                
        {"language": "JavaScript", "level": "Advanced"}                
    ]                
}                
               
# 使用 json_normalize 規(guī)范化，指定嵌套數(shù)組路徑                
df_with_array = pd.json_normalize(data_with_array, record_path='skills')                
               
# 打印 DataFrame                

print(df_with_array)

通過指定 record_path 參數(shù)，我們將嵌套數(shù)組規(guī)范化成了 DataFrame。處理嵌套 JSONjson_normalize 還支持處理嵌套的 JSON 結(jié)構(gòu)。

考慮以下 JSON：    {                
  "name":"John",                
  "age":30,                
  "contact":{                
    "email":"john@example.com",                
    "phone":{                
      "home":"123-456-7890",                
      "work":"987-654-3210"                
    }                
  }                

}

我們可以使用 sep 參數(shù)指定嵌套層次的分隔符：# 嵌套 JSON 數(shù)據(jù)                
data_nested = {                
    "name": "John",                
    "age": 30,                
    "contact": {                
        "email": "john@example.com",                
        "phone": {                
            "home": "123-456-7890",                
            "work": "987-654-3210"                
        }                
    }                
}                
               
# 使用 json_normalize 規(guī)范化，指定嵌套層次分隔符                
df_nested = pd.json_normalize(data_nested, sep='_')                
               
# 打印 DataFrame                
print(df_nested)

print(df_nested)在這個(gè)例子中，我們通過指定 sep 參數(shù)，將嵌套的 JSON 結(jié)構(gòu)規(guī)范化成了 DataFrame。

總結(jié)

通過本教程，你學(xué)習(xí)了如何使用 Pandas 中的 json_normalize 函數(shù)將嵌套的 JSON 數(shù)據(jù)規(guī)范化成易于處理的 DataFrame。我們介紹了基本用法以及如何處理嵌套數(shù)組和嵌套 JSON 結(jié)構(gòu)。希望這些通俗易懂的例子能夠幫助你更好地理解 json_normalize 函數(shù)的使用。