JSON（Java Script Object Notation）是一种流行的文件格式，主要用于在web应用程序中存储和传输数据。

学习如何读取和写入JSON；

JSON结构看起来和Python中的字典非常类似。

        需要注意的是，JSON格式通常是由 key: value 结对组成,其中key是字符串形式,value是字符串、数字、布尔值、数组、对象或null；

在Python中内置了用于读取JSON文件的函数。以下给出几个如何将JSON文件解析为Python对象的示例。

1 将JSON文件读取为字典类型

首先，我们需要导入 json库；

接着，我们使用open函数来读取JSON文件；

最后，利用json.load()函数将JSON字符串转化为Python字典形式.

>>> import json
>>> with open('test.json' ) as f:
...     df_test = json.load(f)
>>> type(df_test)
<class 'list'>
>>> type(df_test[0])
<class 'dict'>
>>> df_test[0].keys()
dict_keys(['ID', 'profile', 'tweet', 'neighbor', 'domain', 'label'])

2 将JSON文件读取为Pandas类型

可以使用Pandas库中的 read_json函数来读取对应的JSON文件,

import pandas as pd
df = pd.read_json('test.json')

需要注意的是使用Pandas库不仅仅可以读取电脑本地磁盘上的JSON文件,也可以通过URL读取网络上存放的文件.

>>> import pandas as pd
>>> df1 = pd.read_json('https://mdn.github.io/learning-area/javascript/oojs/json/superheroes.json')
>>> df1
          squadName    homeTown  formed   secretBase  active                                            members
0  Super Hero Squad  Metro City    2016  Super tower    True  {'name': 'Molecule Man', 'age': 29, 'secretIde...
1  Super Hero Squad  Metro City    2016  Super tower    True  {'name': 'Madame Uppercut', 'age': 39, 'secret...
2  Super Hero Squad  Metro City    2016  Super tower    True  {'name': 'Eternal Flame', 'age': 1000000, 'sec...

2.1 使用Pandas读取嵌套JSON类型

我们有时候遇到的JSON文件是嵌套的,这经常会让读取工作变得有些困难. 其实嵌套JSON和Python中的嵌套字典思想类似,即字典中嵌套字典.

(1) 使用apply方法

>>> df_test = pd.read_json('test.json')
>>> df_test['profile'].apply(pd.Series)
                        id                id_str                                              name  ... default_profile default_profile_image favourites_count
0     1188812492010487808   1188812492010487808                              Sharon Israel ⭐️⭐️⭐️   ...           True                 False               NaN
1               155659213             155659213                                 Cristiano Ronaldo   ...          False                 False                2 
2               147725246             147725246                                    FoxNewsInsider   ...          False                 False              762 
3     1296248637194895360   1296248637194895360                                       El Realista   ...           True                 False                0 

3 导出JSON

(1) 使用json.dump()函数将字典写入文件;

json.dump(df_test, 'path')

(2) 我们也可以使用Pandas中的to_json（）函数;

dftest.to_json('path')

4 格式化输出

在终端直接打印json文件，通常会得到很不美观的输出;

(1) 可以在函数json.dump中采用参数indent参数来控制输出格式

>>> with open('test.json') as f:
...     df = json.load(f)

>>> with open('df_test.json','w') as f:
...     json.dump(df[0:4],f,indent = 4)

 (2) 使用pandas的to_json

test_polotics.to_json(path1, orient = 'records', indent=4)

5 list类型转化为json文件对应的DataFrame类型

        当对json文件进行划分时，使用list保存时，将内容保存到json文件时，需要将list转化为DataFrame类型；

        转化方式：

from pandas.core.frame import DataFrame

train_human = ...

train_huamn = DaraFrame(train_human)

train_human.to_json('path')