Pandas Lire JSON

«Pour analyser une grande quantité de données, nous utilisons la bibliothèque de« Python », qui est la bibliothèque« Pandas ». Nous pouvons facilement utiliser la bibliothèque «Pandas», qui nous aide dans plusieurs domaines comme les sciences des données et l'apprentissage automatique. Dans «Pandas», nous pouvons créer le fichier «JSON», et nous pouvons également lire ce fichier «JSON». Beaucoup de données sont fréquemment enregistrées en JSON. Le JSON est largement utilisé dans la programmation «Pandas». Le «pandas» fournit la méthode «read_json ()» pour lire le fichier «JSON» et le stocker comme le dataframe. Nous pouvons également lire JSON de la chaîne que nous avons créée dans nos codes. Nous allons vous montrer comment lire JSON dans la programmation «Pandas» et comment utiliser la méthode «read_json ()» dans «pandas» ici dans ce guide. Nous allons lire des données, puis afficher les données du fichier JSON sous forme de DataFrame dans "Pandas". Nous discuterons également de sa syntaxe ici."

Syntaxe

La syntaxe complète de cette méthode «read_json ()» est donnée ci-dessous.

pandas.read_json (path, orient = value, typ = 'frame', dType = value, convert_axes = value, convert_dates = true, keep_default_dates = true, numpy = false, précis_float = false, date_unit = valeur, coding = value, coding_errrors = 'stricte ', lignes = false, chunkSize = value, compression =' inférer ', nrows = valeur, stockage_options = valeur)

Exemple 01

Ces exemples, qui sont présentés ici dans ce guide, sont exécutés sur l'application «Spyder». Avant d'utiliser la méthode "read_json ()", nous générons d'abord le fichier JSON dont nous lirons les données en utilisant la méthode "read_json ()". Nous avons également discuté ici de créer le fichier JSON dans "Pandas". Ici, vous pouvez voir que nous créons d'abord le DataFrame en utilisant le «PD.Méthode DataFrame () ».

Ensuite, nous ajoutons "Nom, Num_1, Num_2, Num_3, Num_4 et Num_5" comme colonne de ce dataframe et insérez également certaines données dans ces colonnes. Après cela, nous utilisons la méthode «to_json ()», ce qui aide à convertir ce dataframe en JSON. Nous entrons le nom que nous voulons donner au fichier «JSON» dans lequel les données JSON seront stockées. Le nom que nous donnons ici est «Marques.JSON ". Ainsi, après avoir exécuté ce code, le fichier JSON sera créé avec le nom «Marques.JSON », et il stockera les données de JSON, que nous avons entrées ici.

Après avoir exécuté ce code en appuyant sur "Shift + Enter", le fichier JSON est créé, et ici le fichier JSON est également affiché ci-dessous. Ceci est le fichier JSON que nous obtenons après avoir exécuté le code ci-dessus. Maintenant, nous allons avancer et lire ce fichier JSON avec l'aide de la méthode "read_json ()".

Maintenant, nous allons d'abord «importer» la bibliothèque «pandas» parce que nous devons utiliser la méthode «read_json ()» ici, qui est la méthode de «pandas». Nous importons les «pandas en tant que PD». Ci-dessous, nous utilisons la méthode "read_json ()" et mettons le nom du fichier dont nous voulons lire les données que nous voulons lire. Le fichier que nous avons créé ci-dessus est placé ici, nous allons donc lire les données de ce fichier JSON. Nous passons le chemin d'accès du fichier dans cette méthode "read_json ()", qui est "marques.JSON »et nous attribuons également cette fonction à la variable« DF ». Ainsi, après avoir lu ce fichier JSON, les données du fichier JSON sont stockées dans cette variable «DF». Maintenant, nous imprimons ces données en utilisant le «print ()» et ajoutons également la méthode «TO_String ()» avec la variable «DF». Cette méthode «to_string ()» nous aide à imprimer le dataframe. Il imprimera les données du fichier JSON au format DataFrame.

Les données qui sont stockées dans le fichier JSON ci-dessus sont rendues ici comme un dataframe ci-dessous. Vous pouvez noter que toutes les données du fichier JSON sont converties en dataframe et affichées dans la sortie.

Exemple 02

Nous pouvons également lire la chaîne JSON à l'aide de la méthode "read_json ()". Après avoir importé le «pandas», nous générons une chaîne ici et enregistrons cette chaîne dans la variable «my_str». La chaîne que nous avons créée ici contient des données qui sont le «sujet», et nous plaçons le nom du sujet, qui est «anglais». Ensuite, nous ajoutons «Pay», qui est «25000» ici, ainsi que les «jours», qui sont «70 jours». Après tout cela, nous ajoutons également «réduction», qui est «1000» ici. La chaîne JSON est terminée ici.

Maintenant, nous lisons cette chaîne JSON en utilisant la méthode "read_json ()" de "pandas", et nous plaçons le nom de la variable dans laquelle la chaîne est stockée. Le nom de cette variable est «my_str», et nous l'ajoutons ici comme premier paramètre de la méthode «read_json ()». Après cela, nous ajoutons un autre paramètre qui est le paramètre «Orient» ici, et nous le définissons sur «Records». Ensuite, nous ajoutons cette méthode «my_df» dans la méthode «print ()», donc elle rendra sur le terminal lorsque nous exécutons ce code.

Les données que nous obtenons après la lecture de la chaîne JSON s'affiche ci-dessous. Ici, les données sont rendues dans le DataFrame, que nous avons entré en tant que chaîne JSON dans notre code.

Exemple 03

Nous créons une autre chaîne JSON ici. Vous devez vous rappeler que vous devez placer la chaîne en une seule ligne. Si nous ajoutons les données restantes de la chaîne dans la nouvelle ligne, le message d'erreur se produira. Donc, vous devez écrire toute la chaîne en une seule ligne. Ici, la chaîne JSON est créée et stockée dans la variable «String». Ensuite, nous lisons une chaîne JSON en utilisant la méthode "read_json ()". Nous ajoutons la "chaîne" dans laquelle la chaîne JSON est stockée dans cette méthode "read_json ()". Après la lecture, nous stockons cette chaîne dans la variable "JSON_DATA". Après cela, nous utilisons le «print ()» et y ajoutons «JSON_DATA», ce qui aidera à rendre cela.

Ci-dessous, le dataframe est rendu, et nous avons obtenu ce DataFrame après avoir lu la chaîne JSON. La date à laquelle nous avons entré dans notre code en tant que chaîne JSON s'affiche ici sous le nom de DataFrame.

Exemple 04

Ceci est notre fichier JSON, et nous appliquerons la méthode "read_json ()" à ce fichier JSON. Il lira les données présentes dans ce fichier JSON et rendra ces données dans le dataframe.

Maintenant, comme nous devons utiliser la méthode «read_json ()» de la bibliothèque «pandas», nous devons d'abord «importer» la bibliothèque. Les pandas sont importés comme «PD». Nous avons placé le fichier que nous avons montré ci-dessus afin que nous puissions lire les données de ce fichier JSON. L'entreprise.Le chemin du fichier JSON "est transmis à la méthode" read_json () ", et cette fonction est également attribuée à la variable" json_rec ". Les informations du fichier JSON sont ainsi placées dans la variable "JSON_REC" après sa lecture. Maintenant, nous mettons le "print ()" et y ajoutons "json_rec".

Les données contenues dans le fichier JSON mentionné ci-dessus s'affiche ci-dessous sous forme de dataframe. Vous pouvez voir que la sortie affiche un dataframe avec toutes les données du fichier JSON converti en informatique.

Conclusion

Nous avons expliqué la méthode «read_json ()» de «pandas» en détail dans ce guide. Nous avons présenté ici la syntaxe de la méthode "read_json ()", et nous avons également utilisé cette méthode "read_json ()" dans notre code "pandas". Nous avons lu la chaîne JSON et également le fichier JSON avec l'aide de la méthode "read_json ()" ici et avons expliqué comment créer un fichier JSON, puis comment lire ce fichier JSON. Nous avons également expliqué comment créer la chaîne JSON et comment lire la chaîne JSON à l'aide de la méthode "read_json ()" dans ce guide.