反熊猫json_normalize

Question

我刚刚发现了json_normalize函数，该函数在获取JSON对象并给我一个pandas Dataframe时效果很好。现在我想要反向操作，它采用相同的Dataframe并给我一个json（或类似json的字典，我可以很容易地转向json），其结构与原始json相同。

这是一个例子：https://hackersandslackers.com/json-into-pandas-dataframes/。

他们采用JSON对象（或类似JSON的python字典）并将其转换为数据帧，但我现在想要将该数据帧转换为类似JSON的字典（以后转储到json文件）。

Answer 1

我用几个函数实现了它

def set_for_keys(my_dict, key_arr, val):
    """
    Set val at path in my_dict defined by the string (or serializable object) array key_arr
    """
    current = my_dict
    for i in range(len(key_arr)):
        key = key_arr[i]
        if key not in current:
            if i==len(key_arr)-1:
                current[key] = val
            else:
                current[key] = {}
        else:
            if type(current[key]) is not dict:
                print("Given dictionary is not compatible with key structure requested")
                raise ValueError("Dictionary key already occupied")

        current = current[key]

    return my_dict

def to_formatted_json(df, sep="."):
    result = []
    for _, row in df.iterrows():
        parsed_row = {}
        for idx, val in row.iteritems():
            keys = idx.split(sep)
            parsed_row = set_for_keys(parsed_row, keys, val)

        result.append(parsed_row)
    return result


#Where df was parsed from json-dict using json_normalize
to_formatted_json(df, sep=".")

Answer 2

df.to_json(path)

要么

df.to_dict()

Answer 3

让我投入两分钱

在向后转换之后，您可能需要从生成的jsons中删除空列，因此，我检查了val！= np.nan。但你不能直接这样做，而是你需要检查val == val或不，因为np.nan！=本身。我的版本：

def to_formatted_json(df, sep="."):
result = []
for _, row in df.iterrows():
    parsed_row = {}
    for idx, val in row.iteritems():
        if val == val:
            keys = idx.split(sep)
            parsed_row = set_for_keys(parsed_row, keys, val)

    result.append(parsed_row)
return result