Pandas DataFrame an JSON
Beispiel # 01
Wir werden in der Praxis demonstrieren, wie die Methode "to_json ()" von "Pandas" verwendet wird. Das "Pandas" -Paket wird hier importiert, das "Numpy" ist, und wir importieren es als "NP". Um den Code „Pandas“ auszuführen. Um dieses Paket zu importieren, verwenden wir das Schlüsselwort "Import". Anschließend setzen wir "Pandas als PD", was bedeutet, dass wir leicht zugreifen oder jedes „Pandas -Paket“ verwenden können, das wir benötigen, indem wir nur die „PD“ dort platzieren.
Wir erstellen das Numpy -Array hier, indem wir das „NP“ verwenden. Array ”, dieser„ NP “hilft uns beim Zugriff auf die Numpy -Bibliotheksfunktionen. Dieses Numpy -Array wird auch in der Variablen „New_Data“ gespeichert, und wir setzen „A, B, C, D“ und „E, F, G, H“ in dieses Numpy -Array ein. Dieses Numpy -Array wird nun mithilfe des „PD.DataFrame ”-Methode. Dies ist die „Pandas“ -Methode, auf die wir hier zugreifen, indem wir die „PD“ platzieren. Wenn wir dieses Numpy -Array in den Datenrahmen umwandeln, setzen wir auch die Spaltennamen ein.
Die Namen, die wir hier hinzufügen, sind "Col1, Col2, Col3 und Col4". Dann sehen Sie, dass wir den folgenden "Drucken" haben, in dem wir den Namen des Datenrahmens festlegen, in diesem Fall "new_dataframe", sodass dies bei der Ausführung dieses Codes wiedergegeben wird. Jetzt konvertieren wir diesen Datenrahmen in das JSON -Format, indem wir die Methode "to_json ()" verwenden. Wir setzen den Namen des DataFrame "new_dataframe" mit der Methode "to_json ()" und platzieren diese Methode auch in die Variable "new_json". Hier haben wir keinen Parameter an diese Methode "to_json ()" übergeben. Das JSON -Format des DataFrame wird jetzt in "Print" platziert und wird auch auf der Konsole rendern.
Für die Kompilierung und Ausführung dieses Codes klicken wir auf "Shift+Enter" und wenn der Code fehlerfrei ist, wird die Ausgabe gerendert. Hier fügen wir auch das Ergebnis dieses Codes ein, in dem wir den Datenrahmen gezeigt haben, den wir in diesem Beispiel erstellt haben, sowie das JSON -Format dieses Datenrahmens.
Beispiel # 02
Hier importieren wir nur eine Bibliothek, die "Pandas" und dann die Liste "Atoz_Course" erstellt, und wir platzieren einige Listen darin, die "Python, 29000, 35 Tage und 1000" sind.0 ”, dann setzen wir„ JavaScript, 27000, 55 Tage und 2300.0 ”, danach fügen wir" HTMLCSS, 25000, 25 Tage und 1500 hinzu.0 ". Jetzt haben wir auch zwei weitere Daten als „Datenbank, 24000, 45 Tage und 1500) eingefügt.0 ”und„ OOP, 21000, 35 Tage, 1500.0 ”auch. Die Liste "ATOZ_COURSES" wird jetzt im Datenrahmen geändert, und wir haben sie "atoz_courses_df" genannt. Die „Kurse name, Zahlung, Dauer und Bonus“ werden hier als Spaltennamen des Datenrahmens hinzugefügt.
Jetzt wird der DataFrame in diesem Schritt generiert, und wir fügen ihn in der Anweisung „Print ()“ hinzu, um sie auf dem Terminal anzuzeigen. Mit der Methode "to_json ()" verwenden wir nun den Datenrahmen "ATOZ_COURSES_DF" in das JSON -Format. Diese "to_json ()" -Methode erhält auch einen Parameter, der "orient = spalte" ist, was auch der Standardparameter ist. Es zeigt den DataFrame als DICT als „Spaltenname -> Indexwert -> Spaltenwert Format“ an.
Hier wird im JSON -Format den Spaltennamen angezeigt und dann alle Werte dieser Spalte zusammen mit dem Indexwert platziert. Zuerst erwähnt es den Namen der ersten Spalte, und dann werden alle Werte der ersten Spalte zusammen mit den Indexwerten gerendert und dann den zweiten Spaltennamen und auch alle Werte der zweiten Spalte mit Indizes usw.
Beispiel # 03
Der DataFrame wird in diesem Code mit dem Namen "Bachelors_DF" generiert. Wir haben fünf Spalten in dieses "Bachelors_DF" eingefügt. Die erste Kolumne, die wir hier haben, ist die "Schüler" -Salbekolon. Die als. Dann kommt das „Jahr_OF_JOINING“ voran, wo wir die Beitrittsjahre der Studenten hinzufügen, die „2015, 2018, 2017, 2015 und 2014“ sind.
Die Spalte neben dieser Spalte lautet "Year_of_graduation", in dem die Abschlussjahre dieser Schüler "2019, 2022, 2021, 2019 und 2018" sind. Wir fügen hier auch die "CGPA" -Spalte hinzu, in der wir die CGPAs der Schüler platzieren. „3.3, 3.5, 3.6, 3.7 und 3.8 ”. Um "Bachelors_DF" auf dem Terminal anzuzeigen, fügen wir es in den Ausdruck "print ()" auf. Jetzt konvertieren wir den Datenrahmen "bachelors_df" mit der Methode "to_json ()" in das JSON -Format.
Der Parameter "orient = records" wird ebenfalls an diese Methode "to_json ()" in diesem Code übergeben. Diese "orient = records" zeigt das JSON -Format als „[Spaltenname -> Spaltenwert,…, Spaltenname -> Spaltenwert] an. Das JSON -Format des DataFrame ist nun auf "Drucken" gesetzt und wird auch auf dem Terminal angezeigt.
Der DataFrame wird hier einfach in Spalten- und Zeilenformular angezeigt, aber im JSON -Format können Sie feststellen, dass der Name der Spalte festgelegt und dann den Wert dieser Spalte angezeigt wird. Nachdem der Wert einer Spalte angezeigt wurde, druckt er den Namen der zweiten Spalte und dann den Wert dieser Spalte und dann so ein, weil wir den Parameter „TO_JOSN“ als "orient = records" festgelegt haben, als "orient = records" festgelegt haben.
Beispiel # 04
Wir erstellen ein numpy Array "my_data", in dem wir "2, 4" und "6, 8" einfügen. Wechseln Sie dann das Numpy -Array in den DataFrame "my_dataframe" und legen Sie seine Spaltennamen als "A1 und A2" fest. Nachdem Sie den DataFrame hier mit "Print" angezeigt haben. Wir verwenden zuerst die Methode "to_json ()" ohne Parameter und zeigen sie an. Danach setzen wir den Parameter "to_json ()" Methoden "auf" orient = split "und drucken Sie dieses Format auch aus. Dann wenden wir den "to_josn ()" erneut auf den "my_dataframe" an und übergeben diesmal "orient = records" als Parameter dieser Funktion.
Darunter setzen wir "orient = index" mit dem "my_dataframe" und rendern dieses JSON -Format. Nach diesem Paramet. Dann geben wir "orient = values" als Parameter der Methode "to_json ()" über und wenden sie auf den "my_dataframe" an. Wir setzen auch den Parameter dieser Funktion auf "orient = table" und verwenden ihn erneut mit demselben Datenrahmen und zeigen auch dieses JSON -Format an. Jetzt werden wir den Unterschied zwischen den Formaten von JSON in der Ausgabe dieses Codes feststellen.
Hier finden Sie leicht den Unterschied zwischen den Formaten des JSON, die wir auf denselben Datenrahmen angewendet haben. Alle Parameter, die wir in der Methode „to_json“ übergeben haben, erscheinen hier in verschiedenen Formaten.
Abschluss
Dieser Leitfaden zeigt das JSON -Format und hat dieses JSON -Format im Detail erläutert und wie man den Pandas -Datenframe in den JSON umwandelt. Wir haben erklärt, dass die Methode „to_json ()“ zum Konvertieren des Pandas -Datenfreames in das JSON -Format verwendet wird. Wir haben auch verschiedene Parameter besprochen, die wir hier an die Methode „to_json ()“ übergeben haben. Wir haben eine vollständige Anleitung zur Verfügung gestellt, in der wir die Methoden „to_json ()“ verwendet haben, indem wir alle möglichen Parameter in diese "to_json ()" -Methode in unserem "pandas" -Coder gesetzt haben und sie auch in der Ausgabe gezeigt haben, wie diese Parameter das Format ändern des JSON.