将 JSON 文件转换为 Pandas 数据框

Posted 2023-02-23

【中文标题】将 JSON 文件转换为 Pandas 数据框

【英文标题】：Convert JSON file to Pandas dataframe

【发布时间】：2020-02-29 19:24:37

【问题描述】：

我想将 JSON 转换为 Pandas 数据框。

我的 JSON 看起来像： 喜欢：

 
   "country1": 
      "AdUnit1": 
         "floor_price1": 
            "feature1":1111,
            "feature2":1112
         ,
         "floor_price2": 
            "feature1":1121
         
      ,
      "AdUnit2": 
         "floor_price1": 
            "feature1":1211
         ,
         "floor_price2": 
            "feature1":1221
         
      
   ,
   "country2": 
      "AdUnit1": 
         "floor_price1": 
            "feature1":2111,
            "feature2":2112
         
      
   

我使用以下代码从 GCP 读取文件：

project = Context.default().project_id
sample_bucket_name = 'my_bucket'
sample_bucket_path = 'gs://' + sample_bucket_name
print('Object: ' + sample_bucket_path + '/json_output.json')

sample_bucket = storage.Bucket(sample_bucket_name)
sample_bucket.create()
sample_bucket.exists()

sample_object = sample_bucket.object('json_output.json')
list(sample_bucket.objects())
json = sample_object.read_stream()

我的目标是获得如下所示的 Pandas 数据框：

我尝试使用json_normalize，但没有成功。

【问题讨论】：

pd.read_json 怎么样？

我试过了，结果不好：c2n.me/44pYvfb

看看this的回答，因为我认为你需要先将json“展平”才能使用pd.read_json(json.dumps(json_dictionary))

【参考方案1】：

你可以试试这个方法：

 from google.cloud import storage
 import pandas as pd

 storage_client = storage.Client()
 bucket = storage_client.get_bucket('test-mvladoi')
 blob = bucket.blob('file')
 read_output = blob.download_as_string()
 data = json.loads(read_output)

 data_norm = json_normalize(data, max_level=5)
 df = pd.DataFrame(columns=['col1', 'col2', 'col3', 'col4', 'col5'])
 i = 0

 for col in b.columns:
     a,c,d,e = col.split('.')
     df.loc[i]  = [a,c,d,e,b[col][0]]
     i = i + 1

 print(df)

【讨论】：

我在 Google 数据实验室工作，from google.cloud import storage 存在一些问题

试过了。 AttributeError: module 'google.datalab.storage' has no attribute 'Client'

他们处理存储的方式不同：mybucket = storage.Bucket('BUCKET_NAME'), blob = mybucket.object('file') 在网上看

【参考方案2】：

不是最好的方法，但它的工作。此外，您还应该修改仅从此 awnser 中挑选的 flatten 函数

test =  
   "country1": 
      "AdUnit1": 
         "floor_price1": 
            "feature1":1111,
            "feature2":1112
         ,
         "floor_price2": 
            "feature1":1121
         
      ,
      "AdUnit2": 
         "floor_price1": 
            "feature1":1211
         ,
         "floor_price2": 
            "feature1":1221
         
      
   ,
   "country2": 
      "AdUnit1": 
         "floor_price1": 
            "feature1":2111,
            "feature2":2112
         
      
   


from collections import defaultdict
import pandas as pd
import collections

def flatten(d, parent_key='', sep='_'):
    items = []
    for k, v in d.items():
        new_key = parent_key + sep + k if parent_key else k
        if isinstance(v, collections.MutableMapping):
            items.extend(flatten(v, new_key, sep=sep).items())
        else:
            items.append((new_key, v))
    return dict(items)

results = defaultdict(list)   
colnames = ["col1", "col2", "col3", "col4", "col5", "col6"]
for key, value in flatten(test).items():
    elements = key.split("_")
    elements.append(value)
    for colname, element in zip(colnames, elements):
        results[colname].append(element)

df = pd.DataFrame(results)
print(df)

【参考方案3】：

你可以用这个：

def flatten_dict(d):
    """ Returns list of lists from given dictionary """
    l = []
    for k, v in sorted(d.items()):
        if isinstance(v, dict):
            flatten_v = flatten_dict(v)
            for my_l in reversed(flatten_v):
                my_l.insert(0, k)

            l.extend(flatten_v)

        elif isinstance(v, list):
            for l_val in v:
                l.append([k, l_val])

        else:
            l.append([k, v])

    return l

这个函数接收一个字典（包括值也可以是列表的嵌套）并将其展平为列表列表。

那么，你可以简单地：

df = pd.DataFrame(flatten_dict(my_dict))

my_dict 是您的 JSON 对象。 以您为例，运行print(df) 时得到的是：

          0        1             2         3     4
0  country1  AdUnit1  floor_price1  feature1  1111
1  country1  AdUnit1  floor_price1  feature2  1112
2  country1  AdUnit1  floor_price2  feature1  1121
3  country1  AdUnit2  floor_price1  feature1  1211
4  country1  AdUnit2  floor_price2  feature1  1221
5  country2  AdUnit1  floor_price1  feature1  2111
6  country2  AdUnit1  floor_price1  feature2  2112

当你创建数据框时，你可以命名你的列和索引

【参考方案4】：

嵌套的 JSON 总是很难正确处理。

几个月前，我想出了一种方法来提供一个“通用答案”，使用来自here 的编写精美的flatten_json_iterative_solution：它迭代地解包每个级别给定的 json。

然后可以简单地将其转换为 Pandas.Series 然后 Pandas.DataFrame 像这样：

df = pd.Series(flatten_json_iterative_solution(dict(json_))).to_frame().reset_index()

Intermediate Dataframe result

可以很容易地执行一些数据转换来拆分您要求的列名中的索引：

df[["index", "col1", "col2", "col3", "col4"]] = df['index'].apply(lambda x: pd.Series(x.split('_')))

Final result