我現在有一個JSON文件,該文件已經試過導入到Python 2.7版的幾種方法。Python 2.7版 - 解析奇怪的結構化JSON文件
這是我的數據:
[["195b95d248e5478485bfdff82ed7504a", {"attributes": {"checkin_payment_rate": {"N": "10"}, "dateBooked": {"S": "2015-11-03"}, "dateCheckin": {"S": "2015-11-03T15:41:40.126034+0000"}, "date_created": {"S": "2015-11-03T15:41:29.546868+0000"}, "spaceID": {"S": "67dcfcf3fafe4cde9e50069cdbff2314"}, "stripe_transferID": {"S": "tr_1736umJLCycAnsZaf52drYC0"}, "userID": {"S": "b0c096530f464c1fb2cba8ed5470bbc6"}}}], ["413b1dfe841c4f95b2169da369179cd1", {"attributes": {"checkin_payment_rate": {"N": "10"}, "dateBooked": {"S": "2015-09-11"}, "dateCheckin": {"S": "2015-09-11T20:22:40.218580+0000"}, "date_created": {"S": "2015-09-11T18:39:33.374925+0000"}, "spaceID": {"S": "8c85543487ba49dd816f9b1eceafd3ca"}, "stripe_transferID": {"S": "tr_16jy2eJLCycAnsZatj0aVWyB"}, "userID": {"S": "38522c00725245f58f58cca01a8b62c7"}}}],
哪......你可以看到...只是一個大驢行。
這裏的代碼看起來什麼,當我運行一個簡單的負載命令和pprint等。
import json
import pandas as pd
from pandas.io.json import json_normalize
from pprint import pprint
with open('example.json') as json_data:
data = json.load(json_data)
pprint(data)
這是結果
[[u'195b95d248e5478485bfdff82ed7504a',
{u'attributes': {u'checkin_payment_rate': {u'N': u'10'},
u'dateBooked': {u'S': u'2015-09-03'},
u'dateCheckin': {u'S': u'2015-11-03T15:41:40.126034+0000'},
u'date_created': {u'S': u'2015-11-03T15:41:29.546868+0000'},
u'spaceID': {u'S': u'67dcfcf3fafe4cde9e50069cdbff2314'},
u'stripe_transferID': {u'S': u'hr_9876umJLCycAnsZaf52drYC0'},
u'userID': {u'S': u'c9df86530f464c1fb2cba8ed5470bbc6'}}}],
[u'413b1dfe841c4f95b2169da369179cd1',
{u'attributes': {u'checkin_payment_rate': {u'N': u'10'},
u'dateBooked': {u'S': u'2015-04-11'},
u'dateCheckin': {u'S': u'2015-09-11T20:22:40.218580+0000'},
u'date_created': {u'S': u'2015-09-11T18:39:33.374925+0000'},
u'spaceID': {u'S': u'8c85543487ba49dd816f9b1eceafd3ca'},
u'stripe_transferID': {u'S': u'gr_76jy2eJLCycAnsZatj0aVWyB'},
u'userID': {u'S': u'36536c00725245f58f58cca01a8b62c7'}}}],
我的目標是讓這個數據轉換成具有總體ID(列在第一種情況下,[[u'195b95d248e5478485bfdff82ed7504a」一個不錯的,有序的數據幀),對於同一行中的每個屬性都有單獨的列。
我已經試過
test1 = pd.read_json("example.json","records","frame")
這給了我這樣的:
0 \
0 195b95d248e5478485bfdff82ed7504a
1 413b1dfe841c4f95b2169da369179cd1
1
0 {u'attributes': {u'stripe_transferID': {u'S': ...
1 {u'attributes': {u'stripe_transferID': {u'S': ...
這很好地證明,它給我的overaching IDS旁邊屬性的列的列..但是該ID的所有屬性都集中在第二列中。
我也嘗試下面的大熊貓正常化選項:
test2 = pd.io.json.json_normalize(data,'attributes',['stripe_transferID','dateCheckin','userID','spaceID','date_created','dateBooked','checkin_payment_rate','N'])
,但我不斷收到錯誤list indices must be integers, not str
我如何能既打破了第2列到test1的各列的任何想法或使測試2工作?感謝你們!
我的上帝太感謝你了澤爾這個完美的作品!我一直試圖找出現在的3天中更好的一部分。就好像這並不代表我對Python的新鮮感,難道我可能會麻煩你解釋你的自定義函數內部發生了什麼嗎?我很難理解你的魔法到底發生了什麼。非常感謝!! – manofone
樂意提供幫助。要理解你主要知道'詞典理解'是什麼的功能,查閱它(這是列表對詞典的理解)。無論如何,該函數基本上對數據的任何元素(列表)都做了2件事,並將其包裝回一個簡單的鍵:value dict:1.將元素的第二部分作爲字典,其中每個值都是它是自己的字典,並且只保留內部字典的值,這是字典理解的目的,2.一旦你有一個很好的元素第二部分的簡單字典,你只需要添加它的第一部分的id的元素。 –