JSON的讀取方式和csv、excel有點不同，所以拉出來獨立一篇，當然也是昨天寫到excel就已經11:50了，沒有摳打可以讓我再展開講講。

在進入讀取之前，先了解一下pandas在json提供名為 orientation 的參數，pandas依據這個參數來解析不同結構的json資料。orientation總共有六個，table很少用，今天只介紹其他五個。

orientation

orientation的結構分成dicionary字典和list串列兩大類：

• dictionary有三種

  • columns: 預設選項，以欄位為key，value是欄位值的字典。
  • index:以索引標籤為key，value是該索引列，格式為『欄位名稱:欄位值』的字典。
  • split:固定3個key的字典，這三個key是columns、index、data，value值是其對應的陣列。

• list有兩種

  • record:由dictionary組成的list，每一個dictionary是一個row/一列，dictionary格式為『欄位名稱:欄位值』。
  • value:單純由資料列list組成的list。此資料不包含欄位名稱或索引標籤。

• Dictionary data

#columns.json
{
    "name": {
        "0": "Bojack",
        "1": "Joan",
        "2": "Carolyn"
    },
    "score": {
        "0": 88,
        "1": 98,
        "2": 93
    },
    "grade": {
        "0": 9,
        "1": 8,
        "2": 9
    }
}

#index.json
{
    "0": {
        "name": "Bojack",
        "score": 88,
        "grade": 9
    },
    "1": {
        "name": "Joan",
        "score": 98,
        "grade": 8
    },
    "2": {
        "name": "Carolyn",
        "score": 95,
        "grade": 9
    }
}

#split.json
{
    "columns":["name","score","grade"],
    "index":[0,1,2],
    "data":[
        ["Bojack",88,9],
        ["Joan",98,8],
        ["Carolyn",95,9]
    ]
}

• List data

#records.json
[
    {  "name": "Bojack", "score": 88, "grade": 9 },
    {  "name": "Joan", "score": 98, "grade": 8 },
    {  "name": "Carolyn", "score": 95, "grade": 9 }
]

#values.json
[
    [ "Bojack", 88, 9 ],
    [ "Joan", 98, 8 ],
    [ "Carolyn", 95, 9 ]
]

read_json

頭過身就過，過了orientation，存取json就是一塊小蛋糕。
語法：pd.read_json('檔案名稱',orient='orientation')

pd.read_json('columns.json', orient='columns')
pd.read_json('index.json', orient='index')
pd.read_json('split.json', orient='split')
pd.read_json('records.json', orient='records')
pd.read_json('value.json', orient='values')

除了values以外的orientation都有索引和欄位名稱，把他們print出來長這樣

然而value長這樣

因為前面有說到value的資料結構是data組成的陣列，沒有欄位資訊。
要怎麼讓他有欄位名稱呢？
只要在read_json後加rename，按照欄位index指定欄位名稱即可。

(pd.read_json('value.json', orient='values')
              .rename(columns={0:"name", 1:"score", 2:"grade"}))

to_json

to_json也是相當簡單，同樣的dataframe用不同的orient，就會長出不同的資料結構。
語法：pd.to_json('檔案名稱',orient='orientation')

#用orientation為column的data測試

data = {"name":{"0":"Bojack","1":"Joan","2":"Carolyn"},
        "score":{"0":88,"1":98,"2":93},
        "grade":{"0":9,"1":8,"2":9}}

df = pd.DataFrame(data)
df.to_json("gen_columns.json", orient="columns", force_ascii=False)
df.to_json("gen_index.json", orient="index", force_ascii=False)
df.to_json("gen_split.json", orient="split", force_ascii=False)
df.to_json("gen_records.json", orient="records", force_ascii=False)
df.to_json("gen_values.json", orient="values", force_ascii=False)

終於第一周結束啦！下周開始進入Pandas的進階使用，會討論一些聚合函數和資料重塑的應用。明天先從index和排序開始！