Pandas DataFrame a JSON

"I" Pandas "forniscono la struttura per la manipolazione dei dati e l'analisi dei dati. Nel mondo moderno, l'analisi dei dati è uno strumento enormemente prezioso. Per completare questo compito, sono disponibili una varietà di strutture di dati. In "Pandas", abbiamo il telaio di dati, che viene anche convertito in "JSON". Possiamo spiegare "JSON" in quanto è un testo che utilizza le notazioni di oggetti JavaScript. Il trasferimento di dati tra server e app Web utilizza il "JSON". In questa guida, esamineremo la conversione del formato JSON di dati di dati. Per questa conversione dal telaio dati al "JSON", il "Panda" fornisce il metodo "To_json ()". Ogni volta che dobbiamo convertire il telaio di dati in formato "JSON", utilizziamo il metodo "To_json ()" del "panda". Per capire meglio come utilizzare la funzione di "panda" che è "to_json", diamo un'occhiata ad alcuni codici di "panda" qui in questa guida."

Esempio # 01
Dimostreremo in pratica come utilizzare il metodo "To_json ()" di "panda" per la modifica del telaio di dati "Panda" nel formato JSON. Il pacchetto "Pandas" è importato qui, che è il "numpy" e lo imporiamo come "NP". Ora, per eseguire il codice "Panda", i pacchetti del panda dovrebbero essere importati. Per importare quel pacchetto, utilizziamo la parola chiave "importazione". Quindi, impostiamo "panda come pd", il che significa che possiamo facilmente accedere o utilizzare qualsiasi "pacchetto panda" di cui abbiamo bisogno semplicemente posizionando il "PD" lì.

Creiamo qui l'array numpy utilizzando il "NP. Array ", questo" NP "ci aiuta ad accedere alle funzioni della libreria numpy. Questo array numpy è anche archiviato nella variabile "new_data" e abbiamo messo "A, B, C, D" e "E, F, G, H" a questo array numpy. Questo array numpy è ora convertito in dati utilizzando il "PD.Metodo DataFrame ". Questo è il metodo "panda" a cui accediamo qui posizionando il "PD". Quando convertiamo questo array numpy nel frame dati, allora inseriamo anche i nomi delle colonne.

I nomi che aggiungiamo qui come le intestazioni della colonna sono "Col1, Col2, Col3 e Col4". Quindi vedi che abbiamo la "stampa" di seguito in cui impostiamo il nome del frame dati, che in questo caso è "new_dataframe", quindi questo sarà reso sull'esecuzione di questo codice. Ora stiamo convertendo questo frame dati nel formato JSON utilizzando il metodo "To_json ()". Abbiamo impostato il nome del data frame "new_dataframe" con il metodo "to_json ()" e inserisci anche questo metodo nella variabile "new_json". Qui, non abbiamo passato alcun parametro a questo metodo "To_json ()". Il formato JSON del frame dati è ora inserito in "stampa" e renderà anche sulla console.

Per la compilazione e l'esecuzione di questo codice, prendiamo "Shift+Enter" e se il codice è privo di errori, l'output renderà. Qui incollamo anche il risultato di questo codice in cui abbiamo mostrato il telaio di dati che abbiamo creato in questo esempio e anche il formato JSON di quel frame dati.

Esempio # 02
Qui, importiamo solo una biblioteca, che è l'elenco "Panda" e poi viene creato l'elenco "ATOZ_COURSES", e posizioniamo alcuni elenchi in essa, che sono "Python, 29000, 35 giorni e 1000.0 ", quindi mettiamo" JavaScript, 27000, 55 giorni e 2300.0 ", successivamente, aggiungiamo" htmlcss, 25000, 25 giorni e 1500.0 ". Ora, abbiamo anche inserito altri due dati come "database, 24000, 45 giorni e 1500.0 "e" OOP, 21000, 35 giorni, 1500.0 "anche. L'elenco "ATOZ_COURSES" è ora modificato nel frame dati e l'abbiamo chiamato "ATOZ_COURSES_DF". I "Courses_Name, Pagamento, Durata e Bonus" vengono aggiunti qui come i nomi delle colonne del Frame dati.

Ora, il frame dati viene generato in questo passaggio e lo aggiungiamo nell'istruzione "Print ()" per la visualizzazione sul terminale. Ora, usando il metodo "To_json ()", stiamo trasformando il Frame dati "ATOZ_COURSES_DF" nel formato JSON. Questo metodo "To_json ()" viene anche dato un parametro che è "Orient = colonna", che è anche il parametro predefinito. Visualizza il frame dati come dict come "nome della colonna -> valore indice -> Valore colonna formato".

Qui, nel formato JSON, visualizza il nome della colonna e quindi mette tutti i valori di quella colonna insieme al valore dell'indice. Innanzitutto, menziona il nome della prima colonna, quindi tutti i valori della prima colonna vengono resi insieme ai valori dell'indice, quindi mette il nome della seconda colonna e anche tutti i valori della seconda colonna con indici e così via.

Esempio # 03
Il frame dati viene generato in questo codice con il nome "bachelors_df". Abbiamo inserito cinque colonne in questo "Bachelors_DF". La prima colonna che abbiamo qui è la colonna "studente" e inseriamo "Lily, Smith, Bromley, Milli e Alexander". La colonna che arriva dopo è la colonna "Grad", che contiene "It, BBA, English, CS e DVM". Quindi "Year_OF_Joining" arriva avanti dove aggiungiamo gli anni degli studenti, che sono "2015, 2018, 2017, 2015 e 2014".

La colonna accanto a questa colonna è "anno_of_graduation", che contiene gli anni di laurea di quegli studenti sono "2019, 2022, 2021, 2019 e 2018". Aggiungiamo anche la colonna "CGPA" qui in cui posizioniamo i CGPA degli studenti "3.3, 3.5, 3.6, 3.7 e 3.8 ". Per visualizzare "Bachelors_DF" sul terminale, lo includiamo nell'espressione "Print ()". Ora stiamo convertendo il Frame dati "Bachelors_DF" nel formato JSON usando il metodo "To_json ()".

Anche il parametro "Orient = Records" è passato a questo metodo "To_json ()" in questo codice. Questo "Orient = Records" visualizzerà il formato JSON come "[Nome colonna -> Valore della colonna, ..., Nome colonna -> Valore della colonna]". Il formato JSON di DataFrame è ora impostato su "Stampa" e verrà visualizzato anche sul terminale.

Il frame dati viene semplicemente mostrato qui in forme di colonne e righe, ma nel formato JSON, puoi notare che mette il nome della colonna e quindi visualizza il valore di quella colonna; Dopo aver visualizzato il valore di una colonna, stampa il nome della seconda colonna e quindi inserire il valore di quella colonna e quindi acceso perché impostiamo il parametro del metodo "To_josn" come "Orient = Records".

Esempio # 04
Creiamo un array numpy "my_data" in cui inseriamo "2, 4" e "6, 8". Quindi modifica l'array numpy in dati "MY_DATAFRAME" e imposta i nomi delle colonne come "A1 e A2". Ora, dopo aver visualizzato il frame dati qui utilizzando "Stampa". Utilizziamo prima il metodo "To_json ()" senza parametri e lo visualizziamo. Successivamente, impostiamo il parametro dei metodi "To_json ()" su "Orient = Split" e stampano anche questo formato. Quindi applichiamo di nuovo il "to_josn ()" al "my_dataframe" e questa volta passiamo "orient = records" come parametro di questa funzione.

Sotto questo, mettiamo "Orient = Index" con "My_DataFrame" e rendono questo formato JSON. Dopo questo parametro, utilizziamo nuovamente il parametro "To_json" con il parametro "Orient = Column" e lo renderiamo anche. Quindi passiamo "Orient = valori" come parametro del metodo "To_json ()" e lo applichiamo al "my_dataframe". Impostamo anche il parametro di questa funzione su "Orient = Table" e lo usiamo di nuovo con lo stesso frame dati e visualizziamo anche questo formato JSON. Ora noteremo la differenza tra i formati di JSON nell'output di questo codice.

Qui, puoi facilmente trovare la differenza tra i formati del JSON, che abbiamo applicato allo stesso frame dati. Tutti i parametri che abbiamo passato nel metodo "To_json" appaiono in diversi formati qui.

Conclusione

Questa guida mostra il formato JSON e ha spiegato in dettaglio questo formato JSON e come convertire il frame dati Panda nel JSON. Abbiamo spiegato che il metodo "To_json ()" viene utilizzato per la conversione del frame dati Panda in formato JSON. Abbiamo anche discusso di diversi parametri, che abbiamo passato al metodo "To_json ()" qui. Abbiamo fornito una guida completa in cui abbiamo utilizzato i metodi "To_json ()" mettendo tutti i parametri possibili su questo metodo "To_json ()" nel nostro codice "Panda" e li hanno anche mostrati nell'output di come questi parametri cambiano il formato del json.