Python 如何将pandas DataFrame转换为JSON

Pandas是一个流行的用于数据操作和分析的Python库。在使用Pandas时，常见的任务是将DataFrame转换为JSON（JavaScript Object Notation）格式，这是一种在Web应用程序中广泛使用的轻量级数据交换格式。将pandas DataFrame转换为JSON可以用于数据共享、数据存储和不同编程语言之间的数据传输。

在本教程中，我们将讨论如何使用内置的Pandas函数将pandas DataFrame转换为JSON，探索不同的选项和参数，并提供处理特定场景的示例。

将Pandas DataFrame转换为JSON

在Python的pandas库中，我们可以利用DataFrame.to_json()函数将pandas DataFrame转换为JSON格式。这个函数提供了各种自定义选项，使我们能够获得所需的JSON格式。在接下来的几节中，我们将深入探讨该函数的可接受参数，并详细介绍自定义选项。

下面是用于将pandas DataFrame转换为JSON的DataFrame.to_json()函数的一些重要参数及其可能的值：

path_or_buf - 保存生成的JSON的输出位置。它可以是文件路径或缓冲区对象。默认值为None。
orient - 生成的JSON的格式。可能的值有’split’、’records’、’index’、’columns’和’values’。默认值为’columns’。
date_format - 在DataFrame中用于日期列的日期格式。它可以是任何有效的日期时间格式字符串。默认值为None。
double_precision - JSON中浮点数的精度。可以是一个整数值，表示要包含的小数位数。默认值为10。
force_ascii - 是否将非ASCII字符编码为其Unicode转义序列。默认值为True。
date_unit - 日期列中时间戳的单位。可能的值有’s’（秒）、’ms’（毫秒）和’us’（微秒）。默认值为’ms’。

让我们看几个示例，以更好地理解如何使用DataFrame.to_json()函数。

示例1：基本用法

考虑下面的代码。在这个代码中，我们创建了一个2×2的NumPy数组array_data，包含四个字符串值。然后，我们将这个数组转换为一个列名为’col1’和’col2’的pandas DataFrame df。最后，我们使用to_json()函数将DataFrame转换为一个JSON字符串，并使用print()函数将其打印到控制台。

import numpy as np
import pandas as pd

# create a NumPy array with two rows and two columns
array_data = np.array([['1', '2'], ['3', '4']])

# convert the NumPy array into a pandas DataFrame with column names
df = pd.DataFrame(array_data, columns=['col1', 'col2'])

# convert the DataFrame to a JSON string
json_data = df.to_json()

# print the resulting JSON string
print(json_data)

输出

执行时，将会产生以下输出：

{"col1":{"0":"1","1":"3"},"col2":{"0":"2","1":"4"}}

示例2：将DataFrame转换为JSON

现在让我们看一个例子，演示如何在DataFrame.to_json()函数中使用这些参数将pandas DataFrame转换为JSON。

考虑下面显示的代码。在这个例子中，我们将path_or_buf参数设置为’output.json’，将JSON数据保存到名为’output.json’的文件中。我们将orient参数设置为’records’，将JSON格式化为记录列表。

我们还将date_format参数设置为’iso’，以使用ISO日期格式处理类似日期的列，将double_precision参数设置为2，在浮点数中包含两位小数。最后，我们将force_ascii设置为False，以保留非ASCII字符，并将date_unit设置为’ms’，以将毫秒作为时间戳的单位。

import pandas as pd

# create a sample DataFrame
df = pd.DataFrame({
   'Name': ['John', 'Jane', 'Bob'],
   'Age': [30, 25, 40],
   'Salary': [50000.0, 60000.0, 70000.0],
   'Join_date': ['2022-01-01', '2021-06-15', '2020-11-30']
})

# convert the DataFrame to JSON
json_data = df.to_json(
   path_or_buf='output.json',
   orient='records',
   date_format='iso',
   double_precision=2,
   force_ascii=False,
   date_unit='ms'
)

# print the resulting JSON
print(json_data)

输出：

执行时，它将创建一个名为”output.json”的新文件，文件内容如下所示：

[
   { "Name": "John", "Age": 30, "Salary": 50000.0, "Join_date": "2022-01-01" },
   { "Name": "Jane", "Age": 25, "Salary": 60000.0, "Join_date": "2021-06-15" },
   { "Name": "Bob", "Age": 40, "Salary": 70000.0, "Join_date": "2020-11-30" }
]