对熊猫数据框的深度嵌套 JSON 响应
Posted
技术标签:
【中文标题】对熊猫数据框的深度嵌套 JSON 响应【英文标题】:Deeply nested JSON response to pandas dataframe 【发布时间】:2017-12-23 10:11:20 【问题描述】:我是 python/pandas 的新手,在将嵌套的 JSON 转换为 pandas 数据帧时遇到了一些问题。我正在向数据库发送查询并返回 JSON 字符串。
这是一个深度嵌套的 JSON 字符串,包含多个数组。来自数据库的响应包含数千行。下面是 JSON 字符串中一行的一般结构:
"ID": "123456",
"profile":
"criteria": [
"type": "type1",
"name": "name1",
"value": "7",
"properties": []
,
"type": "type2",
"name": "name2",
"value": "6",
"properties": [
"type": "MAX",
"name": "",
"value": "100"
,
"type": "MIN",
"name": "",
"value": "5"
]
,
"type": "type3",
"name": "name3",
"value": "5",
"properties": []
]
"ID": "456789",
"profile":
"criteria": [
"type": "type4",
"name": "name4",
"value": "6",
"properties": []
]
我想使用 python pandas 展平这个 JSON 字符串。我在使用 json_normalize 时遇到了问题,因为这是一个深度嵌套的 JSON 字符串:
from cassandra.cluster import Cluster
import pandas as pd
from pandas.io.json import json_normalize
def pandas_factory(colnames, rows):
return pd.DataFrame(rows, columns=colnames)
cluster = Cluster(['xxx.xx.x.xx'], port=yyyy)
session = cluster.connect('nnnn')
session.row_factory = pandas_factory
json_string = session.execute('select json ......')
df = json_string ._current_rows
df_normalized= json_normalize(df)
print(df_normalized)
当我运行这段代码时,我得到一个 Key 错误:
KeyError: 0
我需要帮助将此 JSON 字符串转换为只有一些选定列的数据框,看起来像这样:(可以跳过其余数据)
ID | criteria | type | name | value |
123456 1 type1 name1 7
123456 2 type2 name2 6
123456 3 type3 name3 5
456789 1 type4 name4 6
我试图在这里找到类似的问题,但我似乎无法将它应用于我的 JSON 字符串。
感谢任何帮助! :)
编辑:
返回的json字符串是一个查询响应对象:ResultSet。我认为这就是为什么我在使用时遇到一些问题:
json_string= session.execute('select json profile from visning')
temp = json.loads(json_string)
并得到错误:
TypeError: the JSON object must be str, not 'ResultSet'
编辑 #2:
为了看看我正在处理什么,我使用以下方法打印了结果查询:
for line in session.execute('select json.....'):
print(line)
得到了这样的东西:
Row(json='"ID": null, "profile": null')
Row(json='"ID": "123", "profile": "criteria": ["type": "type1", "name": "name1", "value": "10", "properties": [], "type": "type2", "name": "name2", "value": "50", "properties": [], "type": "type3", "name": "name3", "value": "40", "properties": []]')
Row(json='"ID": "456", "profile": "criteria": []')
Row(json='"ID": "789", "profile": "criteria": ["type": "type4", "name": "name4", "value": "5", "properties": []]')
Row(json='"ID": "987", "profile": "criteria": ["type": "type5", "name": "name5", "value": "70", "properties": [], "type": "type6", "name": "name6", "value": "60", "properties": [], "type": "type7", "name": "name7", "value": "2", "properties": [], "type": "type8", "name": "name8", "value": "7", "properties": []]')
我遇到的问题是将此结构转换为可在 json.loads() 中使用的 json 字符串:
json_string= session.execute('select json profile from visning')
json_list = list(json_string)
string= ''.join(list(map(str, json_list)))
temp = json.loads(string) <-- creates error json.decoder.JSONDecodeError: Expecting value: line 1 column 1 (char 0)
编辑#3:
按照下面 cmets 中的要求,打印
for line in session.execute('select json.....'):
print((line.json))
得到输出:
"ID": null, "profile": null
"ID": "123", "profile": "criteria": ["type": "type1", "name": "name1", "value": "10", "properties": [], "type": "type2", "name": "name2", "value": "50", "properties": [], "type": "type3", "name": "name3", "value": "40", "properties": []]
"ID": "456", "profile": "criteria": []
"ID": "789", "profile": "criteria": ["type": "type4", "name": "name4", "value": "5", "properties": []]
"ID": "987", "profile": "criteria": ["type": "type5", "name": "name5", "value": "70", "properties": [], "type": "type6", "name": "name6", "value": "60", "properties": [], "type": "type7", "name": "name7", "value": "2", "properties": [], "type": "type8", "name": "name8", "value": "7", "properties": []]
【问题讨论】:
你能提供一个至少有两行的 JSON 吗? 我更新了问题并添加了另一行 @stovfl 我添加了print((line.json))
的输出,参见EDIT#3
您的输出显示line.json
为您提供json
,无需进一步操作。
@stovfl 我在使用带有这个 json 的 json.loads 时仍然遇到问题,请参阅编辑 3 中添加的代码
【参考方案1】:
一个硬编码的例子...
import pandas as pd
temp = [
"ID": "123456",
"profile":
"criteria": [
"type": "type1",
"name": "name1",
"value": "7",
"properties": []
,
"type": "type2",
"name": "name2",
"value": "6",
"properties": [
"type": "MAX",
"name": "",
"value": "100"
,
"type": "MIN",
"name": "",
"value": "5"
]
,
"type": "type3",
"name": "name3",
"value": "5",
"properties": []
]
,
"ID": "456789",
"profile":
"criteria": [
"type": "type4",
"name": "name4",
"value": "6",
"properties": []
]
]
cols = ['ID', 'criteria', 'type', 'name', 'value']
rows = []
for data in temp:
data_id = data['ID']
criteria = data['profile']['criteria']
for d in criteria:
rows.append([data_id, criteria.index(d)+1, *list(d.values())[:-1]])
df = pd.DataFrame(rows, columns=cols)
这绝不是优雅的。它更像是一个快速而肮脏的解决方案,因为我不知道 JSON 数据是如何精确格式化的 - 但是,根据您提供的内容,我上面的代码将生成所需的 DataFrame。
ID criteria type name value
0 123456 1 type1 name1 7
1 123456 2 type2 name2 6
2 123456 3 type3 name3 5
3 456789 1 type4 name4 6
此外,如果您需要“加载” JSON 数据,您可以像这样使用json
库:
import json
temp = json.loads(json_string)
# Or from a file...
with open('some_json.json') as json_file:
temp = json.load(json_file)
请注意json.loads
和json.load
之间的区别。
【讨论】:
以上是关于对熊猫数据框的深度嵌套 JSON 响应的主要内容,如果未能解决你的问题,请参考以下文章