pandas.json_normalize#

pandas.json_normalize(данные, record_path=None, meta=None, meta_prefix=None, record_prefix=None, ошибки='raise', sep='.', max_level=None)[источник]#

Нормализация полуструктурированных JSON-данных в плоскую таблицу.

Параметры:

данныесловарь или список словарей

Несериализованные JSON объекты.

record_pathstr или list of str, по умолчанию None

Путь в каждом объекте к списку записей. Если не передан, данные будут считаться массивом записей.

metaсписок путей (str или list of str), по умолчанию None

Поля, используемые в качестве метаданных для каждой записи в результирующей таблице.

meta_prefixstr, по умолчанию None

Если True, добавлять префикс к записям с точечным (?) путем, например, foo.bar.field, если meta = ['foo', 'bar'].

record_prefixstr, по умолчанию None

Если True, добавлять к записям префикс с точечным (?) путём, например foo.bar.field, если путь к записям [‘foo’, ‘bar’].

ошибки{‘raise’, ‘ignore’}, по умолчанию ‘raise’

Настраивает обработку ошибок.

'ignore' : будет игнорировать KeyError, если ключи, перечисленные в meta, не всегда присутствуют.
‘raise’ : вызовет KeyError, если ключи, перечисленные в meta, не всегда присутствуют.

sepstr, default ‘.’

Вложенные записи будут генерировать имена, разделенные sep. Например, для sep='.' {'foo': {'bar': 0}} -> foo.bar.

max_levelint, по умолчанию None

Максимальное количество уровней (глубина словаря) для нормализации. если None, нормализует все уровни.

Возвращает:

фреймDataFrame
Нормализация полуструктурированных JSON-данных в плоскую таблицу.

Примеры

>>> data = [
...     {"id": 1, "name": {"first": "Coleen", "last": "Volk"}},
...     {"name": {"given": "Mark", "family": "Regner"}},
...     {"id": 2, "name": "Faye Raker"},
... ]
>>> pd.json_normalize(data)
    id name.first name.last name.given name.family        name
0  1.0     Coleen      Volk        NaN         NaN         NaN
1  NaN        NaN       NaN       Mark      Regner         NaN
2  2.0        NaN       NaN        NaN         NaN  Faye Raker

>>> data = [
...     {
...         "id": 1,
...         "name": "Cole Volk",
...         "fitness": {"height": 130, "weight": 60},
...     },
...     {"name": "Mark Reg", "fitness": {"height": 130, "weight": 60}},
...     {
...         "id": 2,
...         "name": "Faye Raker",
...         "fitness": {"height": 130, "weight": 60},
...     },
... ]
>>> pd.json_normalize(data, max_level=0)
    id        name                        fitness
0  1.0   Cole Volk  {'height': 130, 'weight': 60}
1  NaN    Mark Reg  {'height': 130, 'weight': 60}
2  2.0  Faye Raker  {'height': 130, 'weight': 60}

Нормализует вложенные данные до уровня 1.

>>> data = [
...     {
...         "id": 1,
...         "name": "Cole Volk",
...         "fitness": {"height": 130, "weight": 60},
...     },
...     {"name": "Mark Reg", "fitness": {"height": 130, "weight": 60}},
...     {
...         "id": 2,
...         "name": "Faye Raker",
...         "fitness": {"height": 130, "weight": 60},
...     },
... ]
>>> pd.json_normalize(data, max_level=1)
    id        name  fitness.height  fitness.weight
0  1.0   Cole Volk             130              60
1  NaN    Mark Reg             130              60
2  2.0  Faye Raker             130              60

>>> data = [
...     {
...         "state": "Florida",
...         "shortname": "FL",
...         "info": {"governor": "Rick Scott"},
...         "counties": [
...             {"name": "Dade", "population": 12345},
...             {"name": "Broward", "population": 40000},
...             {"name": "Palm Beach", "population": 60000},
...         ],
...     },
...     {
...         "state": "Ohio",
...         "shortname": "OH",
...         "info": {"governor": "John Kasich"},
...         "counties": [
...             {"name": "Summit", "population": 1234},
...             {"name": "Cuyahoga", "population": 1337},
...         ],
...     },
... ]
>>> result = pd.json_normalize(
...     data, "counties", ["state", "shortname", ["info", "governor"]]
... )
>>> result
         name  population    state shortname info.governor
0        Dade       12345   Florida    FL    Rick Scott
1     Broward       40000   Florida    FL    Rick Scott
2  Palm Beach       60000   Florida    FL    Rick Scott
3      Summit        1234   Ohio       OH    John Kasich
4    Cuyahoga        1337   Ohio       OH    John Kasich

>>> data = {"A": [1, 2]}
>>> pd.json_normalize(data, "A", record_prefix="Prefix.")
    Prefix.0
0          1
1          2

Возвращает нормализованные данные со столбцами, имеющими префикс в виде заданной строки.