Ziel: Höhendaten aus der Google Maps-API extrahieren und in einem Pandas DataFrame organisieren.
Ein vom Google Maps API-Höhendienst erhaltenes JSON-Daten enthält verschachtelte Informationen im Format:
{ "results" : [ { "elevation" : 243.3462677001953, "location" : { "lat" : 42.974049, "lng" : -81.205203 }, "resolution" : 19.08790397644043 }, ... ], "status" : "OK" }
Das Importieren dieses JSON in einen Pandas DataFrame führt direkt zu einer verstreuten Struktur.
Verwendung der Extraktion verschachtelter Listen :
Zum manuellen Trennen von Höhe, Breite und Länge Daten:
data = json.loads(elevations) lat, lng, el = [], [], [] for result in data['results']: lat.append(result[u'location'][u'lat']) lng.append(result[u'location'][u'lng']) el.append(result[u'elevation']) df = pd.DataFrame([lat, lng, el]).T
Dadurch wird ein DataFrame mit den Spalten Breitengrad, Längengrad und Höhe erstellt.
Mit json_normalize (Pandas v1.01):
Ein einfacherer Ansatz mit Pandas' json_normalize:
df = pd.json_normalize(data['results'])
Dies wird abgeflacht die JSON-Daten in einen DataFrame mit Spalten für jeden Schlüssel in der verschachtelten Struktur.
Das obige ist der detaillierte Inhalt vonWie konvertiert man verschachtelte Google Maps Elevation-JSON-Daten effizient in einen Pandas-DataFrame?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!