Pandas DataFrame a JSON
Ejemplo # 01
Demostraremos en la práctica cómo utilizar el método "to_json ()" de "pandas" para cambiar el marco de datos "pandas" al formato JSON. El paquete "Pandas" se importa aquí, que es el "Numpy", y lo importamos como "NP". Ahora, para ejecutar el código "pandas", los paquetes del panda deben importarse. Para importar ese paquete, utilizamos la palabra clave "importar". Luego, establecemos "Pandas como PD", lo que significa que podemos acceder fácilmente o utilizar cualquier "paquete de pandas" que necesitemos simplemente colocando el "PD" allí.
Creamos la matriz numpy aquí utilizando el "NP. Array ", este" NP "nos ayuda a acceder a las funciones de la biblioteca Numpy. Esta matriz numpy también se almacena en la variable "New_Data", y pusimos "A, B, C, D" y "E, F, G, H" a esta matriz Numpy. Esta matriz numpy ahora se convierte al marco de datos utilizando el "PD.Método DataFrame ”. Este es el método "pandas" al que accedemos aquí colocando el "PD". Cuando convertimos esta matriz numpy en el marco de datos, también colocamos los nombres de la columna también.
Los nombres que agregamos aquí como los encabezados de la columna son "Col1, Col2, Col3 y Col4". Luego, verá que tenemos la "impresión" a continuación en la que establecemos el nombre del DataFrame, que en este caso es "New_DataFrame", por lo que esto se presentará en la ejecución de este código. Ahora, estamos convirtiendo este marco de datos en el formato JSON utilizando el método "to_json ()". Establecemos el nombre del DataFrame "New_DataFrame" con el método "to_json ()" y también colocamos este método en la variable "new_json". Aquí, no pasamos ningún parámetro a este método "to_json ()". El formato JSON del DataFrame ahora se coloca en "Imprimir" y también se convertirá en la consola.
Para la compilación y la ejecución de este código, presionamos "Shift+Enter" y si el código está libre de errores, la salida se convertirá en. Aquí también pegamos el resultado de este código en el que hemos mostrado el marco de datos que hemos creado en este ejemplo y también el formato JSON de ese marco de datos.
Ejemplo # 02
Aquí, importamos solo una biblioteca, que es el "pandas" y luego se crea la lista "Atoz_courses", y colocamos algunas listas, que son "Python, 29000, 35 días y 1000.0 ", luego ponemos" JavaScript, 27000, 55 días y 2300.0 ", después de eso, agregamos" HTMLCSS, 25000, 25 días y 1500.0 ". Ahora, también insertamos dos datos más como "Base de datos, 24000, 45 días y 1500.0 "y" oop, 21000, 35 días, 1500.0 "también. La lista "ATOZ_COURSES" ahora se cambia en DataFrame, y la llamamos "ATOZ_COURSES_DF". Los "cursos_name, el pago, la duración y la bonificación" se agregan aquí como los nombres de la columna del marco de datos.
Ahora, el marco de datos se genera en este paso, y la agregamos en la instrucción "print ()" para mostrarlo en el terminal. Ahora, utilizando el método "To_json ()", estamos transformando el marco de datos "ATOZ_COURSES_DF" en el formato JSON. Este método "to_json ()" también tiene un parámetro que es "orient = columna", que también es el parámetro predeterminado. Muestra DataFrame como el dict como "nombre de columna -> valor de índice -> valor de columna formato".
Aquí, en el formato JSON, muestra el nombre de la columna y luego coloca todos los valores de esa columna junto con el valor del índice. Primero, menciona el nombre de la primera columna, y luego todos los valores de la primera columna se representan junto con los valores de índice, y luego coloca el nombre de la segunda columna y también todos los valores de la segunda columna con índices y así sucesivamente.
Ejemplo # 03
DataFrame se genera en este código con el nombre "Bachelors_DF". Hemos insertado cinco columnas a este "Bachelors_DF". La primera columna que tenemos aquí es la columna "Estudiante", e insertamos "Lily, Smith, Bromley, Milli y Alexander" en ella. La columna que viene a continuación es la columna "Grado", que contiene "IT, BBA, Inglés, CS y DVM". Luego, el "año_of_joining" se avecina donde agregamos los años de unión de los estudiantes, que son "2015, 2018, 2017, 2015 y 2014".
La columna al lado de esta columna es "Year_of_graduation", que contiene los años de graduación de esos estudiantes son "2019, 2022, 2021, 2019 y 2018". También agregamos la columna "CGPA" aquí en la que colocamos los CGPA de los estudiantes "3.3, 3.5, 3.6, 3.7 y 3.8 ". Para mostrar "Bachelors_DF" en el terminal, lo incluimos en la expresión "print ()". Ahora, estamos convirtiendo el marco de datos "Bachelors_DF" en el formato JSON utilizando el método "to_json ()".
El parámetro "orient = registros" también se pasa a este método "to_json ()" en este código. Este "orient = registros" mostrará el formato JSON como "[nombre de columna -> valor de columna, ..., nombre de columna -> valor de columna]". El formato JSON de DataFrame ahora está configurado en "Imprimir", y también se mostrará en la terminal.
DataFrame se muestra simplemente aquí en forma de columnas y filas, pero en el formato JSON, puede notar que pone el nombre de la columna y luego muestra el valor de esa columna; Después de mostrar el valor de una columna, imprime el nombre de la segunda columna y luego coloca el valor de esa columna y luego así porque establecemos el parámetro del método "To_Josn" como "orient = registros".
Ejemplo # 04
Creamos una matriz numpy "my_data" en la que insertamos "2, 4" y "6, 8". Luego cambie la matriz Numpy en DataFrame "my_dataframe" y configure los nombres de sus columnas como "A1 y A2". Ahora, después de mostrar el marco de datos aquí usando "Imprimir". Utilizamos el método "to_json ()" primero sin ningún parámetros y lo mostramos. Después de esto, establecemos el parámetro de métodos "to_json ()" en "orient = dividir" y también imprimimos este formato. Luego aplicamos el "to_Josn ()" nuevamente al "my_dataframe" y esta vez, pasamos "orient = registros" como el parámetro de esta función.
Debajo de esto, ponemos "orient = index" con el "my_dataframe" y renderizamos este formato JSON. Después de este parámetro, nuevamente utilizamos el "To_json" con el parámetro "Orient = columna" y lo representamos también. Luego pasamos "orient = valores" como el parámetro del método "to_json ()" y lo aplicamos al "my_dataframe". También establecemos el parámetro de esta función en "orient = tabla" y nuevamente lo usamos con el mismo DataFrame y también mostramos este formato JSON. Ahora, notaremos la diferencia entre los formatos de JSON en la salida de este código.
Aquí, puede encontrar fácilmente la diferencia entre los formatos del JSON, que hemos aplicado al mismo DataFrame. Todos los parámetros que hemos pasado en el método "to_json" aparecen en diferentes formatos aquí.
Conclusión
Esta guía muestra el formato JSON y ha explicado este formato JSON en detalle y cómo convertir el marco de datos de Pandas en JSON. Hemos explicado que el método "to_json ()" se utiliza para convertir el marco de datos de pandas en el formato JSON. También hemos discutido diferentes parámetros, que hemos pasado al método "to_json ()" aquí. Hemos proporcionado una guía completa en la que hemos utilizado los métodos "to_json ()" colocando todos los parámetros posibles a este método "to_json ()" en nuestro código "pandas" y también les mostró en la salida cómo cambian estos parámetros el formato del json.