ネストされた JSON 構造を構造化された Pandas DataFrame に変換する方法

入れ子になった JSON の謎を解く: Pandas DataFrame への変換

入れ子になった JSON 構造を構造化された Pandas DataFrame に変換する作業は困難を伴う場合がありますが、適切なツールと技術を習得すれば、シームレスなタスクになります。この変換に利用できるオプションを見てみましょう。

JSON 正規化: 単純なアプローチ

json_normalize は、ネストされた JSON オブジェクトを平坦化するための強力なソリューションを提供します。このアプローチに着手するとき:

<code class="python">import json

with open('myJson.json') as data_file:    
    data = json.load(data_file)  

df = pd.json_normalize(data, 'locations', ['date', 'number', 'name'], 
                    record_prefix='locations_')
print (df)</code>

出力:

  locations_arrTime locations_arrTimeDiffMin locations_depTime  \
0                                                        06:32   
1             06:37                        1             06:40   
2             08:24                        1                     

  locations_depTimeDiffMin           locations_name locations_platform  \
0                        0  Spital am Pyhrn Bahnhof                  2   
1                        0  Windischgarsten Bahnhof                  2   
2                                    Linz/Donau Hbf               1A-B   

  locations_stationIdx locations_track number    name        date  
0                    0          R 3932         R 3932  01.10.2016  
1                    1                         R 3932  01.10.2016  
2                   22                         R 3932  01.10.2016 

連結のための名前の解析とグループ化

ただし、平坦化が最終的な目標ではない場合は、別のアプローチを採用できます:

<code class="python">df = pd.read_json(&quot;myJson.json&quot;)
df.locations = pd.DataFrame(df.locations.values.tolist())['name']
df = df.groupby(['date','name','number'])['locations'].apply(','.join).reset_index()
print (df)</code>

出力:

        date    name                                          locations
0 2016-01-10  R 3932         Spital am Pyhrn Bahnhof,Windischgarsten Bahnho... 

この手法により、次のことが可能になります。ネスト構造を損なうことなく、場所を変更できます。

以上がネストされた JSON 構造を構造化された Pandas DataFrame に変換する方法の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。