Syntax
Den fullständiga syntaxen för denna 'read_json()'-metod ges nedan.
pandor. read_json ( väg , orientera = Värde , typ = 'ram' , dtype = Värde , konvertera_axlar = Värde , konvertera_datum = Sann , keep_default_dates = Sann , numpy = Falsk , precis_float = Falsk , datum_enhet = Värde , kodning = Värde , encoding_errors = 'sträng' , rader = Falsk , bitstorlek = Värde , kompression = 'antyda' , smalnar = Värde , lagringsalternativ = Värde )Exempel 01
Dessa exempel, som presenteras här i den här guiden, körs på 'Spyder'-appen. Innan vi använder metoden 'read_json()' genererar vi först JSON-filen vars data vi kommer att läsa genom att använda metoden 'read_json()'. Vi har också diskuterat här hur man skapar JSON-filen i 'pandas'. Här kan du se att vi först skapar DataFrame genom att använda metoden 'pd.DataFrame()'.
Sedan lägger vi till 'Namn, Num_1, Num_2, Num_3, Num_4 och Num_5' som kolumnen i denna DataFrame och infogar även några data i dessa kolumner. Efter detta använder vi metoden 'to_json()', som hjälper till att konvertera denna DataFrame till JSON. Vi anger namnet som vi vill ge till 'JSON'-filen där JSON-data kommer att lagras. Namnet vi ger här är 'Marks.json'. Så efter att ha kört den här koden kommer JSON-filen att skapas med namnet 'Marks.json', och den kommer att lagra data i JSON, som vi har angett här.
Efter att ha kört denna kod genom att trycka på 'Shift+Enter' skapas JSON-filen, och här visas även JSON-filen nedan. Detta är JSON-filen som vi får efter att ha kört ovanstående kod. Nu kommer vi att gå vidare och kommer att läsa den här JSON-filen med hjälp av metoden 'read_json()'.
Nu 'importerar' vi först 'pandas'-biblioteket eftersom vi måste använda metoden 'read_json()' här, vilket är metoden för 'pandas'. Vi importerar 'pandas som pd'. Nedan använder vi metoden 'read_json()' och anger namnet på filen vars data vi vill läsa. Filen vi har skapat ovan placeras här, så vi kommer att läsa data för den JSON-filen. Vi skickar sökvägen till filen i denna 'read_json()'-metod, som är 'Marks.json', och vi tilldelar även denna funktion till variabeln 'df'. Så efter att ha läst den här JSON-filen lagras JSON-filens data i denna 'df'-variabel. Nu skriver vi ut dessa data genom att använda 'print()' och lägger även till metoden 'to_string()' med variabeln 'df'. Denna 'to_string()'-metod hjälper oss att skriva ut DataFrame. Det kommer att skriva ut data från JSON-filen i DataFrame-formatet.
Datan som lagras i ovanstående JSON-fil renderas här som en DataFrame nedan. Du kan notera att all data i JSON-filen konverteras till DataFrame och visas i utdata.
Exempel 02
Vi kan också läsa JSON-strängen med hjälp av metoden 'read_json()'. Efter att ha importerat 'pandas' genererar vi en sträng här och sparar den strängen i variabeln 'my_str'. Strängen som vi har skapat här innehåller data som är 'Ämnet', och vi placerar namnet på ämnet, som är 'engelska'. Sedan lägger vi till 'Pay', som är '25000' här, och även 'Days', som är '70 dagar'. Efter alla dessa lägger vi också till 'Rabatt', som är '1000' här. JSON-strängen är klar här.
Nu läser vi den här JSON-strängen genom att använda 'read_json()'-metoden för 'pandas', och vi placerar namnet på variabeln där strängen är lagrad. Namnet på denna variabel är 'my_str', och vi lägger till den här som den första parametern i metoden 'read_json()'. Efter detta lägger vi till en annan parameter som är 'orient'-parametern här, och vi ställer in den på 'rekord'. Sedan lägger vi till denna 'my_df' i metoden 'print()', så att den renderas på terminalen när vi kör den här koden.
Datan som vi får efter att ha läst JSON-strängen visas nedan. Här renderas data i DataFrame, som vi har skrivit in som JSON-strängen i vår kod.
Exempel 03
Vi skapar en annan JSON-sträng här. Du måste komma ihåg att du måste placera strängen i endast en rad. Om vi lägger till resterande data i strängen i den nya raden kommer felmeddelandet att visas. Så du måste bara skriva hela strängen på en rad. Här skapas JSON-strängen och lagras i variabeln 'sträng'. Sedan läser vi en JSON-sträng genom att använda metoden 'read_json()'. Vi lägger till 'strängen' i vilken JSON-strängen är lagrad i denna 'read_json()'-metod. Efter att ha läst lagrar vi denna sträng i variabeln 'JSON_Data'. Efter detta använder vi 'print()' och lägger till 'JSON_Data' till det, vilket kommer att hjälpa till att rendera detta.
Nedan renderas DataFrame, och vi fick denna DataFrame efter att ha läst JSON-strängen. Datumet vi har angett i vår kod som en JSON-sträng visas här som DataFrame.
Exempel 04
Det här är vår JSON-fil, och vi kommer att tillämpa metoden 'read_json()' på den här JSON-filen. Den läser data som finns i den här JSON-filen och renderar dessa data i DataFrame.
Nu, eftersom vi måste använda 'read_json()'-metoden för 'pandas'-biblioteket, måste vi först 'importera' biblioteket. Pandaorna importeras som 'pd'. Vi har placerat filen vi har visat ovan så att vi kan läsa data från den JSON-filen. Sökvägen till filen 'Company.json' skickas till metoden 'read_json()', och den här funktionen är också tilldelad variabeln 'JSON_Rec'. Informationen från JSON-filen placeras alltså i variabeln 'JSON_Rec' efter att den har lästs. Nu lägger vi 'print()' och lägger till 'JSON_Rec' till den.
Datan som finns i JSON-filen som nämns ovan visas nedan som en DataFrame. Du kan se att utdata visar en DataFrame med all data från JSON-filen konverterad till den.
Slutsats
Vi har förklarat 'read_json()'-metoden för 'pandas' i detalj i den här guiden. Vi har presenterat syntaxen för 'read_json()'-metoden här, och vi har också använt denna 'read_json()'-metod i vår 'pandas'-kod. Vi har läst JSON-strängen och även JSON-filen med hjälp av metoden 'read_json()' här och har förklarat hur man skapar en JSON-fil och sedan hur man läser den JSON-filen. Vi har också förklarat hur man skapar JSON-strängen och hur man läser JSON-strängen med hjälp av metoden 'read_json()' i den här guiden.