Python pandas.Series.to_json用法及代码示例

用法: Series.to_json(path_or_buf=None, orient=None, date_format=None, double_precision=10, force_ascii=True, date_unit='ms', default_handler=None, lines=False, compression='infer', index=True, indent=None, storage_options=None)

将对象转换为 JSON 字符串。

注意 NaN 和 None 将被转换为 null，而 datetime 对象将被转换为 UNIX 时间戳。

参数：

path_or_buf：str，路径对象，file-like 对象，或无，默认无

字符串、路径对象(实现 os.PathLike[str])或实现 write() 函数的 file-like 对象。如果为 None，则结果以字符串形式返回。

orient：str

指示预期的 JSON 字符串格式。

系列：
- default is ‘index’
- allowed values are:{‘split’, ‘records’, ‘index’, ‘table’}.
DataFrame ：
- default is ‘columns’
- allowed values are:{‘split’, ‘records’, ‘index’, ‘columns’, ‘values’, ‘table’}.
JSON字符串的格式：
- ‘split’:dict like {‘index’ -> [index], ‘columns’ -> [columns], ‘data’ -> [values]}
- ‘records’:list like [{column -> value}, … , {column -> value}]
- ‘index’:dict like {index -> {column -> value}}
- ‘columns’:dict like {column -> {index -> value}}
- ‘values’:just the values array
- ‘table’:dict like {‘schema’:{schema}, ‘data’:{data}}
Describing the data, where data component is like orient='records'.

date_format：{无，‘epoch’, ‘iso’}

日期转换的类型。 ‘epoch’ = 纪元毫秒，‘iso’ = ISO8601。默认值取决于 orient 。对于 orient='table' ，默认值为 ‘iso’。对于所有其他方向，默认值为‘epoch’。

double_precision：整数，默认 10

编码浮点值时使用的小数位数。

force_ascii：布尔值，默认为真

强制编码字符串为 ASCII。

date_unit：str，默认 ‘ms’(毫秒)

编码到的时间单位，控制时间戳和 ISO8601 精度。 ‘s’, ‘ms’, ‘us’, ‘ns’ 之一，分别表示秒、毫秒、微秒和纳秒。

default_handler：可调用，默认无

如果对象无法以其他方式转换为适合 JSON 的格式，则调用处理程序。应该接收一个参数，该参数是要转换的对象并返回一个可序列化的对象。

lines：布尔值，默认为 False

如果 ‘orient’ 是 ‘records’ 则写出 line-delimited json 格式。如果不正确 ‘orient’ 将抛出 ValueError，因为其他不是 list-like。

compression：str 或 dict，默认 ‘infer’

用于输出数据的即时压缩。如果 ‘infer’ 和 ‘path_or_buf’ path-like，则检测来自以下扩展名的压缩：'.gz'、'.bz2'、'.zip'、'.xz' 或 '.zst'(否则不压缩) .调成None无压缩。也可以是带键的字典'method'设置为 { 之一'zip','gzip','bz2','zstd'} 和其他键值对被转发到zipfile.ZipFile,gzip.GzipFile,bz2.BZ2File，或者zstandard.ZstdDecompressor，分别。例如，可以传递以下内容以加快压缩速度并创建可重现的 gzip 存档：compression={'method':'gzip', 'compresslevel':1, 'mtime':1}.

index：布尔值，默认为真

是否在 JSON 字符串中包含索引值。仅当 orient 为 ‘split’ or ‘table’ 时才支持不包括索引 (index=False)。

indent：整数，可选

用于缩进每条记录的空白长度。

storage_options：字典，可选

对特定存储连接有意义的额外选项，例如主机、端口、用户名、密码等。对于 HTTP(S) URL，键值对作为标头选项转发到 urllib。对于其他 URL(例如以 “s3://” 和 “gcs://” 开头)，键值对被转发到 fsspec 。有关详细信息，请参阅fsspec 和urllib。

无或字符串: 如果path_or_buf 为无，则将生成的 json 格式作为字符串返回。否则返回无。

注意：

indent=0 的行为与标准库不同，标准库不缩进输出但插入换行符。目前，indent=0 和默认的 indent=None 在 pandas 中是等效的，尽管这可能会在未来的版本中改变。

orient='table' 在‘schema’ 下包含一个‘pandas_version’ 字段。这存储了架构的最新版本中使用的pandas 的版本。

例子：

>>> import json
>>> df = pd.DataFrame(
...     [["a", "b"], ["c", "d"]],
...     index=["row 1", "row 2"],
...     columns=["col 1", "col 2"],
... )

>>> result = df.to_json(orient="split")
>>> parsed = json.loads(result)
>>> json.dumps(parsed, indent=4)  
{
    "columns":[
        "col 1",
        "col 2"
    ],
    "index":[
        "row 1",
        "row 2"
    ],
    "data":[
        [
            "a",
            "b"
        ],
        [
            "c",
            "d"
        ]
    ]
}

使用 'records' 格式的 JSON 编码/解码数据帧。请注意，此编码不会保留索引标签。

>>> result = df.to_json(orient="records")
>>> parsed = json.loads(result)
>>> json.dumps(parsed, indent=4)  
[
    {
        "col 1":"a",
        "col 2":"b"
    },
    {
        "col 1":"c",
        "col 2":"d"
    }
]

使用 'index' 格式的 JSON 编码/解码数据帧：

>>> result = df.to_json(orient="index")
>>> parsed = json.loads(result)
>>> json.dumps(parsed, indent=4)  
{
    "row 1":{
        "col 1":"a",
        "col 2":"b"
    },
    "row 2":{
        "col 1":"c",
        "col 2":"d"
    }
}

使用 'columns' 格式的 JSON 编码/解码数据帧：

>>> result = df.to_json(orient="columns")
>>> parsed = json.loads(result)
>>> json.dumps(parsed, indent=4)  
{
    "col 1":{
        "row 1":"a",
        "row 2":"c"
    },
    "col 2":{
        "row 1":"b",
        "row 2":"d"
    }
}

使用 'values' 格式的 JSON 编码/解码数据帧：

>>> result = df.to_json(orient="values")
>>> parsed = json.loads(result)
>>> json.dumps(parsed, indent=4)  
[
    [
        "a",
        "b"
    ],
    [
        "c",
        "d"
    ]
]

使用表模式编码：

>>> result = df.to_json(orient="table")
>>> parsed = json.loads(result)
>>> json.dumps(parsed, indent=4)  
{
    "schema":{
        "fields":[
            {
                "name":"index",
                "type":"string"
            },
            {
                "name":"col 1",
                "type":"string"
            },
            {
                "name":"col 2",
                "type":"string"
            }
        ],
        "primaryKey":[
            "index"
        ],
        "pandas_version":"1.4.0"
    },
    "data":[
        {
            "index":"row 1",
            "col 1":"a",
            "col 2":"b"
        },
        {
            "index":"row 2",
            "col 1":"c",
            "col 2":"d"
        }
    ]
}

相关用法

注：本文由纯净天空筛选整理自pandas.pydata.org大神的英文原创作品 pandas.Series.to_json。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

注意：

例子：