팬더 읽기 JSON

Paendeo Ilg Gi Json



“많은 양의 데이터를 분석하기 위해 'Pandas' 라이브러리인 'Python' 라이브러리를 사용합니다. 데이터 과학 및 기계 학습과 같은 여러 분야에서 도움이 되는 '판다' 라이브러리를 쉽게 활용할 수 있습니다. 'pandas'에서 'JSON' 파일을 생성할 수 있고 이 'JSON' 파일을 읽을 수도 있습니다. 많은 데이터가 JSON으로 저장되는 경우가 많습니다. JSON은 'pandas' 프로그래밍에 널리 사용됩니다. 'pandas'는 'JSON' 파일을 읽고 DataFrame으로 저장하기 위한 'read_json()' 메서드를 제공합니다. 코드에서 생성한 문자열에서 JSON을 읽을 수도 있습니다. 이 가이드에서는 'pandas' 프로그래밍에서 JSON을 읽는 방법과 'pandas'에서 'read_json()' 메서드를 활용하는 방법을 보여줍니다. 데이터를 읽은 다음 'pandas'에 DataFrame 형식으로 JSON 파일의 데이터를 표시합니다. 여기에서 구문에 대해서도 논의할 것입니다.”

통사론

이 'read_json()' 메서드의 전체 구문은 아래에 나와 있습니다.

팬더. read_json ( , 동양 = , 유형 = '액자' , dtype = , 변환 축 = , 변환 날짜 = 진실 , keep_default_dates = 진실 , numpy = 거짓 , 정확한_플로트 = 거짓 , 날짜_단위 = , 부호화 = , 인코딩 오류 = '엄격한' , 윤곽 = 거짓 , 청크 크기 = , 압축 = '미루다' , = , storage_options = )

실시예 01

이 가이드에서 제공되는 이러한 예제는 'Spyder' 앱에서 실행됩니다. 'read_json()' 메서드를 사용하기 전에 먼저 'read_json()' 메서드를 사용하여 데이터를 읽을 JSON 파일을 생성합니다. 우리는 또한 'pandas'에서 JSON 파일을 생성하는 방법에 대해 논의했습니다. 여기에서 'pd.DataFrame()' 메서드를 사용하여 먼저 DataFrame을 생성한 것을 볼 수 있습니다.







그런 다음 이 DataFrame의 열로 'Name, Num_1, Num_2, Num_3, Num_4 및 Num_5'를 추가하고 이 열에 일부 데이터도 삽입합니다. 그런 다음 이 DataFrame을 JSON으로 변환하는 데 도움이 되는 'to_json()' 메서드를 사용합니다. JSON 데이터가 저장될 'JSON' 파일에 부여할 이름을 입력합니다. 여기에서 제공하는 이름은 'Marks.json'입니다. 따라서 이 코드를 실행하면 'Marks.json'이라는 이름의 JSON 파일이 생성되고 여기에 입력한 JSON 데이터가 저장됩니다.





'Shift+Enter'를 눌러 이 코드를 실행하면 JSON 파일이 생성되며 여기에서도 JSON 파일이 아래에 나와 있습니다. 위의 코드를 실행한 후 얻은 JSON 파일입니다. 이제 'read_json()' 메소드의 도움으로 이 JSON 파일을 읽을 것입니다.





이제 'pandas'의 메서드인 'read_json()' 메서드를 사용해야 하기 때문에 먼저 'pandas' 라이브러리를 '가져오기'합니다. 'pandas as pd'를 가져오고 있습니다. 아래에서는 'read_json()' 메서드를 활용하여 데이터를 읽고자 하는 파일의 이름을 입력합니다. 위에서 생성한 파일이 여기에 위치하므로 해당 JSON 파일의 데이터를 읽습니다. 이 'read_json()' 메서드에서 파일의 경로를 전달합니다. 'Marks.json'입니다. 또한 이 함수를 'df' 변수에 할당합니다. 따라서 이 JSON 파일을 읽은 후 이 'df' 변수에 JSON 파일의 데이터가 저장됩니다. 이제 'print()'를 사용하여 해당 데이터를 인쇄하고 'df' 변수와 함께 'to_string()' 메서드를 추가합니다. 이 'to_string()' 메서드는 DataFrame을 인쇄하는 데 도움이 됩니다. JSON 파일의 데이터를 DataFrame 형식으로 인쇄합니다.



위의 JSON 파일에 저장된 데이터는 여기에서 아래의 DataFrame으로 렌더링됩니다. JSON 파일의 모든 데이터가 DataFrame으로 변환되어 출력에 표시되는 것을 알 수 있습니다.

실시예 02

'read_json()' 메서드를 사용하여 JSON 문자열을 읽을 수도 있습니다. 'pandas'를 가져온 후 여기에 문자열을 생성하고 해당 문자열을 'my_str' 변수에 저장합니다. 여기서 생성한 문자열에는 'Subject'라는 데이터가 포함되어 있고 'English'라는 제목의 이름을 배치합니다. 그런 다음 여기에 '25000'인 'Pay'와 '70일'인 'Days'를 추가합니다. 이 모든 후에 여기에 '1000'인 '할인'도 추가합니다. 여기에서 JSON 문자열이 완성됩니다.

이제 'pandas'의 'read_json()' 메서드를 사용하여 이 JSON 문자열을 읽고 문자열이 저장된 변수의 이름을 배치합니다. 이 변수의 이름은 'my_str'이며 여기에 'read_json()' 메서드의 첫 번째 매개변수로 추가합니다. 그런 다음 여기에 'orient' 매개변수인 다른 매개변수를 추가하고 'records'로 설정합니다. 그런 다음 'print()' 메서드에 이 'my_df'를 추가하여 이 코드를 실행할 때 터미널에서 렌더링됩니다.

JSON 문자열을 읽은 후 얻은 데이터는 아래에 표시됩니다. 여기에서 데이터는 코드에 JSON 문자열로 입력한 DataFrame에서 렌더링됩니다.

실시예 03

여기에서 또 다른 JSON 문자열을 생성합니다. 한 줄에만 문자열을 배치해야 함을 기억해야 합니다. 새 줄에 문자열의 나머지 데이터를 추가하면 오류 메시지가 발생합니다. 따라서 한 줄에 전체 문자열을 작성해야 합니다. 여기에서 JSON 문자열이 생성되어 'string' 변수에 저장됩니다. 그런 다음 'read_json()' 메서드를 사용하여 JSON 문자열을 읽습니다. 이 'read_json()' 메서드에 JSON 문자열이 저장되는 'string'을 추가합니다. 읽은 후 이 문자열을 'JSON_Data' 변수에 저장합니다. 그런 다음 'print()'를 활용하고 여기에 'JSON_Data'를 추가하면 이를 렌더링하는 데 도움이 됩니다.

아래에서 DataFrame이 렌더링되고 JSON 문자열을 읽은 후 이 DataFrame을 얻었습니다. 코드에 JSON 문자열로 입력한 날짜는 여기에 DataFrame으로 표시됩니다.

실시예 04

이것은 JSON 파일이며 이 JSON 파일에 'read_json()' 메서드를 적용합니다. 이 JSON 파일에 있는 데이터를 읽고 이 데이터를 DataFrame에 렌더링합니다.

이제 'pandas' 라이브러리의 'read_json()' 메서드를 사용해야 하므로 먼저 라이브러리를 '가져오기'해야 합니다. 판다는 'pd'로 수입되고 있습니다. JSON 파일에서 데이터를 읽을 수 있도록 위에 표시된 파일을 배치했습니다. 'Company.json' 파일의 경로는 'read_json()' 메서드에 전달되고, 이 함수는 'JSON_Rec' 변수에도 할당됩니다. 따라서 JSON 파일의 정보는 읽은 후 'JSON_Rec' 변수에 배치됩니다. 이제 'print()'를 넣고 'JSON_Rec'를 추가합니다.

위에서 언급한 JSON 파일에 포함된 데이터는 아래에 DataFrame으로 표시됩니다. JSON 파일의 모든 데이터가 변환된 DataFrame이 출력에 표시되는 것을 볼 수 있습니다.

결론

이 가이드에서 'pandas'의 'read_json()' 메서드에 대해 자세히 설명했습니다. 여기에서 'read_json()' 메서드의 구문을 제시했으며 'pandas' 코드에서 이 'read_json()' 메서드를 활용했습니다. 여기에서 'read_json()' 메서드를 사용하여 JSON 문자열과 JSON 파일을 읽고 JSON 파일을 생성하는 방법과 해당 JSON 파일을 읽는 방법을 설명했습니다. 또한 이 가이드에서 'read_json()' 메서드를 사용하여 JSON 문자열을 만드는 방법과 JSON 문자열을 읽는 방법에 대해 설명했습니다.