Skip to main content
 首页 » 编程设计

python之将不同格式的json转换为csv

2024年11月01日8tintown

我知道这个问题已经被问过很多次了,但我仍然没有解决我的问题,而且我不太擅长编程,所以基本上我有很多 json 文件,但 json 的格式非常不同,所以我可以使用 pandas 库获得我想要的输出,这里是 json 文件的示例。

[ 
    { 
        "Names": [ 
            "James", 
            "Bob", 
            "David" 
        ], 
        "Salary": [ 
            "2000$", 
            "5000$", 
            "6000$" 
        ], 
        "Id": [ 
            "1", 
            "2", 
            "3" 
        ] 
    }, 
    { 
        "Names": [ 
            "John", 
            "Charles", 
            "Harry" 
        ], 
        "Salary": [ 
            "1000$", 
            "2000$", 
            "3000$" 
        ], 
        "Id": [ 
            "4", 
            "5", 
            "6" 
        ] 
    } 
] 

当我使用这个简单的代码将其转换为 pandas 时:

import json 
import pandas as pd 
 
df=pd.read_json("test.json") 
df.to_csv("results.csv") 
 

https://i.imgur.com/0RMLb89.png

问题是 csv 文件的输出在一个单元格中给我所有 3 个名字,就像 ['James', 'Bob', 'David'] , ['2000$', '5000$', ' 6000$'] ...但我只想要单元格中的一个名字,而不是全部 3 个我对这些东西很陌生我将不胜感激任何帮助

请您参考如下方法:

是的,您得到了那个答案,因为字典中给定键的每个值都包含一个列表,而不是单个元素。因此,在使用那种 json 格式时,您应该解决两个级别。

data 是一个列表,其中包含两个具有相同键的字典。任一字典都包含包含列表的键。因此,我们需要遍历第一个列表(以寻址每个字典),然后遍历第二个列表以寻址任何指定键的每个值。输出将是您想要的表格。应该注意的是,此代码将起作用,因为 "Names" 的列表值的长度与 "Salary" 和 "Id" 相同>。

import pandas as pd  
import numpy as np 
data = [ 
    { 
        "Names": ["James","Bob","David"], 
        "Salary": ["2000$","5000$","6000$"], 
        "Id": ["1","2","3"]}, 
    { 
        "Names": ["John","Charles","Harry"], 
        "Salary": ["1000$","2000$","3000$"], 
        "Id": ["4","5","6"]} 
] 
to_df = {'Names':[],'Salary':[],'Id':[]} 
for i in range(len(data)): 
    for j in range(len(data[i]['Id'])): 
        to_df['Names'].append(data[i]['Names'][j]) 
        to_df['Salary'].append(data[i]['Salary'][j]) 
        to_df['Id'].append(data[i]['Id'][j]) 
df = pd.DataFrame(to_df) 
print(df) 

输出:

     Names Salary Id 
0    James  2000$  1 
1      Bob  5000$  2 
2    David  6000$  3 
3     John  1000$  4 
4  Charles  2000$  5 
5    Harry  3000$  6