文章目录
每篇前言一、read_json()1. path_or_buf2. orient3. typ4. dtype5. convert_axes6. convert_dates7. keep_default_dates8. numpy9. precise_float10. date_unit11. lines12. encoding 二、to_json()1. path_or_buf2. orient3. date_format4. double_precision5. force_ascii6. date_unit7. default_handler8. lines ：9. compression10. index ：11. indent ：12. storage_options13. Returns 三、书籍推荐
每篇前言
??作者介绍：Python领域优质创作者、华为云享专家、阿里云专家博主、2021年CSDN博客新星Top6 |
支持大部分主流关系型数据库，例如MySQL，需要相应的数据库模块支持，相应接口为read_sql()和to_sql()
一、read_json()
语法格式：
pandas.read_json( path_or_buf=None, orient=None, typ="frame", dtype: DtypeArg | None = None, convert_axes=None, convert_dates=True, keep_default_dates: bool = True, numpy: bool = False, precise_float: bool = False, date_unit=None, encoding=None, encoding_errors: str | None = "strict", lines: bool = False, chunksize: int | None = None, compression: CompressionOptions = "infer", nrows: int | None = None, storage_options: StorageOptions = None,)参数说明：
1. path_or_buf
需要读取的json文件对象
（1）JSON对象
import pandas as pdimport jsonjson_str = json.dumps([{"name": '小明', "age": 10}, {"name": '小白', "age": 20}])print(json_str)print(type(json_str))df = pd.read_json(json_str)print(df)运行结果：
[{"name": "\u5c0f\u660e", "age": 10}, {"name": "\u5c0f\u767d", "age": 20}]<class 'str'> name age0 小明 101 小白 20（2）JSON文件：
import pandas as pdimport jsonwith open('data.json','r',encoding='utf-8')as json_str: print(json_str,type(json_str)) df = pd.read_json(json_str)print(df)运行结果：
2. orient
指定解析json文件的格式，这个参数有多种选择状态，参数如下：
‘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’ : 数组允许的值和默认值取决于typ参数的值。当typ == 'series’时，允许的方向是{‘split’，‘records’，‘index’}，默认是“index”，对于orient ‘index’，级数索引必须是唯一的。当typ == ‘frame’，允许的方向是{‘split’，‘records’，‘index’， ‘columns’，‘values’}，默认是“columns”，对于方向的index和columns, DataFrame索引必须是唯一的。，对于定向’index’， ‘columns’和’records’， DataFrame列必须是唯一的import pandas as pdimport jsondata1 = {"A": {"name": '小明', "age": 10}, "B": {"name": '小红', "age": 20}}data2 = {"A": ['小明', 10], "B": ['小红', 20]}data3 = {"index": [1, 2, 3], "columns": ["a", "b"], "data": [[1, 3], [2, 8], [3, 9]]}print(pd.read_json(json.dumps(data1), orient="index"))print(pd.read_json(json.dumps(data2), orient="index"))print(pd.read_json(json.dumps(data3), orient="split"))运行结果：
3. typ
指定要返回的对象类型 (series or frame), 默认值‘frame’
frame：返回DataFrameseries：返回Seriesimport pandas as pdimport jsondata = {"index": [1,2], "data": ['小明',10]}# 返回DataFramedf1 = pd.read_json(json.dumps(data), orient="index", typ="frame")print(df1)print(type(df1))# 返回Seriesdf2 = pd.read_json(json.dumps(data), orient="index", typ="series")print(df2)print(type(df2))运行结果：
4. dtype
推断或指定列的数据类型。boolean或dict，默认为True。如果为True，则推断自动类型；False 不推断数据类型。如果列的字典为dtype，根据列名指定数据类型。
data = {"index": [1,2], "data": ['小明',10]}df1 = pd.read_json(json.dumps(data), dtype={"index": float})print(df1)print(type(df1))运行结果：
5. convert_axes
接收boolean布尔类型，默认True。尝试将坐标轴转换为适当的dtype。
6. convert_dates
接收boolean布尔类型，默认True。要解析日期的列列表;如果为True，则尝试解析日期类列列标签与日期类似
以’_at’结尾，以’_time’结尾，以’timestamp’开头，是’modified’，或者’date’import pandas as pdimport jsonimport timedata = {"create_time": {"a": time.time(), "b": time.time()}, "B": {"a": 10, "b": 20}}print(pd.read_json(json.dumps(data)))运行结果：
7. keep_default_dates
接收boolean布尔类型，默认True。如果解析日期，则解析默认的日期类列
8. numpy
接收boolean布尔类型，默认False。 解析为数组, 直接解码到numpy数组。只支持数字数据，但支持非数字列和索引标签。还要注意，如果numpy=True，则每个术语的JSON顺序必须相同。
9. precise_float
接收boolean布尔类型，默认False。设置为在将字符串解码为双值时启用更高精度(strtod)函数。默认(False)是使用快速但不太精确的内置功能。
10. date_unit
接收字符串类型，默认None。用于检测是否转换日期的时间戳单元。默认行为是尝试检测正确的精度，但如果不需要这样做，则传递’ s ‘、’ ms ‘、’ us ‘或’ ns '中的一个，分别强制解析秒、毫秒、微秒或纳秒。
11. lines
接收boolean布尔类型，默认False。每行将文件作为json对象读取。0.19.0新版功能。
12. encoding
接收字符串类型，默认utf-8。用于解码py3字节的编码。0.19.0新版功能。
二、to_json()
语法格式：
DataFrame.to_json( self, path_or_buf: FilePathOrBuffer | None = None, orient: str | None = None, date_format: str | None = None, double_precision: int = 10, force_ascii: bool_t = True, date_unit: str = "ms", default_handler: Callable[[Any], JSONSerializable] | None = None, lines: bool_t = False, compression: CompressionOptions = "infer", index: bool_t = True, indent: int | None = None, storage_options: StorageOptions = None, ) -> str | None:参数说明：
1. path_or_buf
接收参数str、路径对象、文件类对象或None，默认为None。字符串，路径对象(实现os.PathLike[str])，或实现write()函数的文件类对象。如果为None，则结果作为字符串返回。
（1）写入文件：
import pandas as pddata = {'name': ['小红', '小明', '小白'], 'age': [10, 20, 30]}df = pd.DataFrame(data)df.to_json('data.json')运行结果：
（2）写入JSON字符串：
import pandas as pddata = {'name': ['小红', '小明', '小白'], 'age': [10, 20, 30]}df = pd.DataFrame(data)json = df.to_json()print(json)运行结果：
2. orient
指定预期的JSON字符串格式。
1) Series：默认值为‘index’，允许的值为：{‘split’，‘records’，‘index’，‘table’}。
2) DataFrame：默认为‘columns’，允许的值为：{‘split’，‘records’，‘index’，‘columns’，‘values’，‘table’}。
3) JSON字符串格式:
import pandas as pddata = {'name': ['小红', '小明', '小白'], 'age': [10, 20, 30]}df = pd.DataFrame(data)print(df.to_json(orient='split'))print(df.to_json(orient='records'))print(df.to_json(orient='index'))print(df.to_json(orient='columns'))print(df.to_json(orient='values'))print(df.to_json(orient='table'))运行结果：
{"columns":["name","age"],"index":[0,1,2],"data":[["\u5c0f\u7ea2",10],["\u5c0f\u660e",20],["\u5c0f\u767d",30]]}[{"name":"\u5c0f\u7ea2","age":10},{"name":"\u5c0f\u660e","age":20},{"name":"\u5c0f\u767d","age":30}]{"0":{"name":"\u5c0f\u7ea2","age":10},"1":{"name":"\u5c0f\u660e","age":20},"2":{"name":"\u5c0f\u767d","age":30}}{"name":{"0":"\u5c0f\u7ea2","1":"\u5c0f\u660e","2":"\u5c0f\u767d"},"age":{"0":10,"1":20,"2":30}}[["\u5c0f\u7ea2",10],["\u5c0f\u660e",20],["\u5c0f\u767d",30]]{"schema":{"fields":[{"name":"index","type":"integer"},{"name":"name","type":"string"},{"name":"age","type":"integer"}],"primaryKey":["index"],"pandas_version":"0.20.0"},"data":[{"index":0,"name":"\u5c0f\u7ea2","age":10},{"index":1,"name":"\u5c0f\u660e","age":20},{"index":2,"name":"\u5c0f\u767d","age":30}]}3. date_format
日期转换的类型可选参数‘epoch’, ‘iso’，默认为None。‘epoch’= epoch milliseconds，‘iso’= ISO8601。默认值取决于orient。对于 orient=‘table’，默认值为’iso’。对于所有其他东方，默认值为‘epoch’.。
import pandas as pdimport datetimedata = {'time': [datetime.date.today(), datetime.date(2022, 5, 20)]}df = pd.DataFrame(data)print(df.to_json(date_format='epoch'))print(df.to_json(date_format='iso'))运行结果：
4. double_precision
在对浮点值进行编码时要使用的小数位数。接收int类型，默认为10，最大值为15
df.to_json(double_precision=15)5. force_ascii
强制将字符串编码为ASCII。接收bool布尔类型，默认为True
6. date_unit
要编码的时间单位，控制时间戳和ISO8601精度。接收str，默认为“ms”（毫秒）。“s”，“ms”，“us”，“ns”之一分别表示秒，毫秒，微秒和纳秒。
7. default_handler
callable, 默认为None。如果对象不能转换为适合JSON的格式，则调用。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对象。
8. lines ：
接收bool布尔类型, 默认为 False。如果’orient’是’records’，则写出行分隔的json格式。如果不正确的‘orient’将抛出ValueError，因为其他人没有列出。
9. compression
接收参数： {‘infer’, ‘gzip’, ‘bz2’, ‘zip’, ‘xz’, None}，表示要在输出文件中使用的压缩的字符串，仅在第一个参数是文件名时使用。默认情况下，压缩是从文件名推断出来的。在0.24.0版本中更改:增加了“infer”选项并将其设置为默认
10. index ：
接收bool布尔类型, 默认为 True。是否在JSON字符串中包括索引值。仅当Orient是“split”或“table”时，才支持不包括index(index=False)。0.23.0版中的新功能。
11. indent ：
接收int类型, 可选。用于缩进每条记录的空白长度。1.0.0版的新功能。
12. storage_options
接收dict类型，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，键值对作为报头选项转发到urllib.request.Request。对于其他url(例如以“s3://”和“gcs://”开头)，键值对被转发到fspec .open。
13. Returns
接收None 或 str。如果path_or_buf为None，则将生成的json格式作为字符串返回。否则返回None。
三、书籍推荐
书籍展示：《从零开始利用Excel与Python进行数据分析》
【书籍内容简介】
本书介绍了数据分析的方法和步骤，并分别通过Excel和Python实施和对比。通过本书一方面可以拓宽对Excel功能的认识，另一方面可以学习和掌握Python的基础操作。本书分为 11 章，涵盖的主要内容有Excel和Python在数据分析领域的定位与核心功能对比、统计量介绍、Excel与Python实践环境搭建、数据处理与分析的基本方法、ETL方法、数据建模理论、数据挖掘基础、数据可视化的基本方法、分析报告的制作方法。
京东自营：https://item.jd.com/13350513.html