Pandas DataFrame para JSON
Exemplo # 01
Demonstraremos na prática como utilizar o método "to_json ()" de "pandas" para alterar o quadro de dados "pandas" para o formato JSON. O pacote "pandas" é importado aqui, que é o "Numpy", e nós o importamos como "np". Agora, para executar o código "pandas", os pacotes do panda devem ser importados. Para importar esse pacote, utilizamos a palavra -chave "importar". Em seguida, definimos "pandas como PD", o que significa que podemos acessar ou utilizar facilmente qualquer "pacote de pandas" que precisamos apenas colocar o "PD" lá.
Criamos a matriz Numpy aqui, utilizando o “NP. Array ", este" NP "nos ajuda a acessar as funções da biblioteca Numpy. Esta matriz Numpy também é armazenada na variável "newdata", e colocamos "A, B, C, D" e "E, F, G, H" para esta Array Numpy. Esta matriz Numpy agora é convertida no DataFrame, utilizando o “PD.DataFrame ”. Este é o método "pandas" que acessamos aqui colocando o "PD". Quando convertemos essa matriz numpy no quadro de dados, também colocamos os nomes das colunas também.
Os nomes que acrescentamos aqui como os cabeçalhos da coluna são "col1, col2, col3 e col4". Então você vê que temos a “impressão” abaixo em que definimos o nome do DataFrame, que neste caso é “new_dataframe”, então isso será renderizado na execução deste código. Agora, estamos convertendo esse quadro de dados no formato JSON, utilizando o método "to_json ()". Definimos o nome do DataFrame "new_dataframe" com o método "to_json ()" e também colocamos esse método na variável "new_json". Aqui, não passamos nenhum parâmetro para este método "to_json ()". O formato JSON do DataFrame agora está colocado em "Impressão" e também será renderizado no console.
Para compilação e execução deste código, pressionamos "Shift+Enter" e, se o código estiver livre de erros, a saída renderizará. Aqui também colamos o resultado deste código em que mostramos o quadro de dados que criamos neste exemplo e também o formato JSON desse DataFrame.
Exemplo # 02
Aqui, importamos apenas uma biblioteca, que é a lista de "pandas" e, em seguida, a lista "Atoz_Courses" é criada, e colocamos algumas listas, que são "Python, 29000, 35 dias e 1000.0 ", então colocamos" JavaScript, 27000, 55 dias e 2300.0 ", depois disso, adicionamos" htmlcss, 25000, 25 dias e 1500.0 ”. Agora, também inserimos mais dois dados como “banco de dados, 24000, 45 dias e 1500.0 ", e" OOP, 21000, 35 dias, 1500.0 ”também. A lista de "Atoz_Courses" agora está alterada no DataFrame, e nós o chamamos de "Atoz_Courses_DF". O “Courses_name, Pagamento, Duração e Bônus” são adicionados aqui como os nomes das colunas do DataFrame.
Agora, o DataFrame é gerado nesta etapa e o adicionamos na declaração "print ()" para exibi -la no terminal. Agora, usando o método "to_json ()", estamos transformando o DataFrame "Atoz_Courses_DF" no formato JSON. Este método "to_json ()" também recebe um parâmetro que é "Orient = Column", que também é o parâmetro padrão. Ele exibe o DataFrame como o ditado como “Nome da coluna -> Valor do índice -> Valor da coluna formato”.
Aqui, no formato JSON, ele exibe o nome da coluna e depois coloca todos os valores dessa coluna junto com o valor do índice. Primeiro, ele menciona o nome da primeira coluna e, em seguida, todos os valores da primeira coluna são renderizados junto com os valores do índice e, em seguida, coloca o nome da segunda coluna e também todos os valores da segunda coluna com índices e assim por diante.
Exemplo # 03
O DataFrame é gerado neste código com o nome "Bachelors_DF". Inserimos cinco colunas para este "Bachelors_df". A primeira coluna que temos aqui é a coluna "Student", e inserimos "Lily, Smith, Bromley, Milli e Alexander". A coluna que vem a seguir é a coluna "grau", que contém "It, BBA, Inglês, CS e DVM". Então o "ano_of_join" vem em frente, onde adicionamos os anos de união dos alunos, que são "2015, 2018, 2017, 2015 e 2014".
A coluna próxima a esta coluna é "ano_of_graduation", que contém os anos de graduação desses alunos são "2019, 2022, 2021, 2019 e 2018". Também adicionamos a coluna “CGPA” aqui, na qual colocamos os CGPAs dos alunos “3.3, 3.5, 3.6, 3.7 e 3.8 ”. Para exibir "Bachelors_DF" no terminal, incluímos na expressão "print ()". Agora, estamos convertendo o DataFrame "Bachelors_DF" no formato JSON usando o método "to_json ()".
O parâmetro "Orient = Records" também é passado para este método "to_json ()" neste código. Este "Orient = Records" exibirá o formato JSON como "[Nome da coluna -> Valor da coluna,…, Nome da coluna -> Valor da coluna]" formulário. O formato JSON do DataFrame agora está definido como "Print" e também será exibido no terminal.
O DataFrame é simplesmente mostrado aqui em colunas e linhas, mas no formato JSON, você pode notar que ele coloca o nome da coluna e, em seguida, exibir o valor dessa coluna; Depois de exibir o valor de uma coluna, ele imprime o nome da segunda coluna e, em seguida, coloca o valor dessa coluna e assim por diante, porque definimos o parâmetro do método "To_Josn" como "Orient = Records".
Exemplo # 04
Criamos uma matriz Numpy "my_data" na qual inserimos "2, 4" e "6, 8". Em seguida, mude a matriz Numpy no DataFrame "My_Dataframe" e defina seus nomes de colunas como "A1 e A2". Agora, depois de exibir o DataFrame aqui usando "Print". Utilizamos o método “to_json ()” primeiro sem parâmetros e exibi -lo. Depois disso, definimos o parâmetro "to_json ()" para "Orient = Split" e também imprimimos este formato. Em seguida, aplicamos o "to_Josn ()" novamente ao "my_dataframe" e desta vez, passamos "Orient = Records" como o parâmetro desta função.
Abaixo disso, colocamos "Orient = Index" com o "my_dataframe" e renderizamos este formato JSON. Após esse parâmetro, utilizamos novamente o "to_json" com o parâmetro "Orient = Column" e o renderizamos também. Em seguida, passamos "Orient = valores" como o parâmetro do método "to_json ()" e aplicá -lo ao "my_dataframe". Também definimos o parâmetro desta função como “Orient = tabela” e novamente o usamos com o mesmo DataFrame e também exibimos este formato JSON. Agora, notaremos a diferença entre os formatos de JSON na saída deste código.
Aqui, você pode encontrar facilmente a diferença entre os formatos do JSON, que aplicamos ao mesmo Dadosframe. Todos os parâmetros que passamos no método "to_json" aparecem em diferentes formatos aqui.
Conclusão
Este guia mostra o formato JSON e explicou esse formato JSON em detalhes e como converter o quadro de dados de pandas no JSON. Explicamos que o método "to_json ()" é utilizado para converter o quadro de dados do pandas no formato JSON. Também discutimos diferentes parâmetros, que passamos para o método “to_json ()” aqui. Fornecemos um guia completo no qual utilizamos os métodos "to_json ()", colocando todos os parâmetros possíveis para esse método "to_json ()" em nosso código "pandas" e também mostramos na saída como esses parâmetros alteram o formato do JSON.