如何有效地从 Pandas 数据框移动到 JSON

Posted 2023-03-11

【中文标题】如何有效地从 Pandas 数据框移动到 JSON

【英文标题】：How can I efficiently move from a Pandas dataframe to JSON

【发布时间】：2013-10-13 10:06:47

【问题描述】：

我已经开始使用pandas 按日期进行一些聚合。我的目标是计算在特定日期发生的所有测量实例，然后在D3 中表示。为了说明我的工作流程，我有一个查询集（来自 Django），如下所示：

queryset = ['created':"05-16-13", 'counter':1, 'id':13, 'created':"05-16-13", 'counter':1, 'id':34, 'created':"05-17-13", 'counter':1, 'id':12, 'created':"05-16-13", 'counter':1, 'id':7, 'created':"05-18-13", 'counter':1, 'id':6]

我在pandas 中创建了一个数据框，并按创建日期汇总度量“计数器”：

import pandas as pd
queryset_df = pd.DataFrame.from_records(queryset).set_index('id')
aggregated_df = queryset_df.groupby('created').sum()

这给了我一个像这样的数据框：

          counter
created          
05-16-13        3
05-17-13        1
05-18-13        1

当我使用D3 时，我认为JSON 对象将是最有用的。使用 Pandas to_json() 函数，我将我的数据框转换如下：

aggregated_df.to_json()

给我以下JSON对象

"counter":"05-16-13":3,"05-17-13":1,"05-18-13":1

这不是我想要的，因为我希望能够同时访问日期和测量值。有没有办法可以导出数据，最终得到这样的结果？

data = "c1":"date":"05-16-13", "counter":3,"c2":"date":"05-17-13", "counter":1, "c3":"date":"05-18-13", "counter":1

我认为，如果我可以在 Python 端以不同的方式构造它，它会减少我需要在 JS 端执行的数据格式化量，因为我计划像这样加载数据：

  x.domain(d3.extent(data, function(d)  return d.date; ));
  y.domain(d3.extent(data, function(d)  return d.counter; ));

我对整体上更好的工作流程的建议持开放态度，因为这是我需要经常做的事情，但我不确定处理D3 和pandas 之间连接的最佳方式。 （我查看了几个直接结合了python 和D3 的包，但这不是我想要的，因为它们似乎专注于静态图表生成而不是制作 svg）

【参考方案1】：

使用reset_index 将您的日期索引转换回一个简单的数据列，然后使用orient='index' 属性生成您的json 对象：

In [11]: aggregated_df.reset_index().to_json(orient='index')
Out[11]: '"0":"created":"05-16-13","counter":3,"1":"created":"05-17-13","counter":1,"2":"created":"05-18-13","counter":1'