使用 python pandas 将 json 转换为 csv

Posted 2023-03-11

【中文标题】使用 python pandas 将 json 转换为 csv

【英文标题】：converting json to csv using python pandas

【发布时间】：2017-09-12 05:42:44

【问题描述】：

我已经提到了这个： Nested Json to pandas DataFrame with specific format

还有这个：json_normalize produces confusing KeyError

尝试在 pandas 中使用 json_normalize 规范化我的 json sn-p。 但是，输出并没有完全标准化。这是我的代码的 sn-p

x =['fb_metrics': ['period': 'lifetime', 'values': ['value': 'share': 2, 'like': 10], 'title': 'Lifetime Post Stories by action type', 'name': 'post_stories_by_action_type', '_id': '222530618111374_403476513350116/insights/post_stories_by_action_type/lifetime', 'description': 'Lifetime: The number of stories created about your Page post, by action type. (Total Count)']]

df = pd.io.json.json_normalize(x[0]['fb_metrics'])

values 列的输出是

values
['value': 'share': 2, 'like': 10] 

我希望有两列输出，而不是像

value.share   value.like
2                10

我应该如何做到这一点？

【参考方案1】：

import pandas as pd
df = pd.read_json('data.json')
df.to_csv('data.csv', index=False, columns=['title', 'subtitle', 'date', 
'description'])

import pandas as pd
df = pd.read_csv("data.csv")
df = df[df.columns[:4]]
df.dropna(how='all')
df.to_json('data.json', orient='records')

【讨论】：

最好能解释一下为什么你的代码可以工作。

【参考方案2】：

对于您的数据框，

您可以使用 df.from_dcit() 从值内的嵌套字典创建一个新的 DataFrame：

df2 = pd.DataFrame.from_dict(df['values'].values[0][0], orient = 'index').reset_index().drop(['index'], axis=1)

得到：

df2:

   share  like
0      2    10

然后将其添加到您现有的数据框中，使用pd.concat 获得您需要的格式：

result = pd.concat([df, df2], axis=1, join='inner')

result[['values', 'share', 'like']]
Out[74]: 
                                     values  share  like
0  [u'value': u'share': 2, u'like': 10]      2    10

如果需要可以重命名：

result.rename(columns='share': 'values.share', 'like':'values.like', inplace=True)

result[['values', 'share', 'like']]
Out[74]: 
                                     values  values.share  values.like
0  [u'value': u'share': 2, u'like': 10]             2           10

【参考方案3】：

您可以将json_normalize 再次应用于值列以将其展平：

pd.concat([
    df.drop('values', 1), 
    df['values'].apply(lambda x: pd.io.json.json_normalize(x).iloc[0])
], axis=1)