我有一個 graphql 查詢，它回傳一串 JSON 格式的資料，里面有 3 個單獨的 JSON 物件。它看起來像這樣：
{
"data": {
"readingsList": [
{
"value": 137,
"millis": 1651449224000
},
{
"value": 141,
"millis": 1651448924000
}
],
"messagesList": [
{
"value": 138,
"dateMillis": 1651445346000,
"text": "foo",
"type": "bar",
"field1": False
}
]
"userList": [
{
"userTimezone": "America/Los_Angeles"
}
]
}
}
我想做的是
- 根據時間（和）將前兩個物件（
readingsList和）合并到資料框中messagesListmillisdateMillis - 將該時間轉換為 UTC 日期時間值（例如 1651449224000 變為 2022-05-01 18:53:44）
- 根據用戶的時區，將 UTC 日期時間值轉換為用戶的本地時間
userList
期望的輸出：
df.head(3)
datetime value text type field1 ...
2022-05-01 18:53:44 137 NA NA NA
2022-05-01 18:48:44 141 NA NA NA
2022-05-01 17:49:06 138 foo bar False
我可以執行第 2 步和第 3 步，但我不知道如何執行第 1 步。
如果我使用轉換字串json.loads()并pd.read_json()得到以下輸出：
import json
import pandas as pd
json_str = load_data_gql(...)
j = json.loads(json_str)
df = pd.read_json(j)
df.head()
data
groupsList [{'userTimezone': 'America/Los_Angeles'}]
messagesList [{'value': 138, 'dateMillis': 1651445346000, ...
readingsList [{'value': 137, 'millis': 1651449224000}, {'value'...
我現在懷疑答案與json_normalize()有某種關系，但我很難應用我在該檔案中閱讀的內容來正確導航我的 JSON 物件。
任何建議或幫助將不勝感激，在此先感謝您。
uj5u.com熱心網友回復：
建議的解決方案：
在這種情況下合并資料幀可以通過pandas.concat([df_1,df_2])
這是我使用的代碼：
import json
import pandas as pd
json_obj = json.load(open('json_str_file.json', 'r')) # if reading from file
# json_obj = json.loads(json_str) # if reading from a string
# create two separate frames from each nested dictionary object
df_1 = pd.DataFrame.from_dict(json_obj['data']['messagesList'])
df_2 = pd.DataFrame.from_dict(json_obj['data']['readingsList'])
# set the index to the column you want to merge them on
df_1.set_index('dateMillis', inplace=True)
df_2.set_index('millis', inplace=True)
# use pd.concat to stack the dataframes together
df_merged = pd.concat([df_1,df_2])
# fix field1 to be a boolean field
df_merged['field1'] = df_merged['field1'].astype(bool)
# confirm the result matches the target
print(df_merged)
輸出
value text type field1
1651445346000 138 foo bar False
1651449224000 137 NaN NaN True
1651448924000 141 NaN NaN True
從這里您應該能夠從您的帖子中執行第 2 步和第 3 步。
JSON 的問題
您提供的示例存在一些格式問題，可能會導致一些混亂。 messagesList對我來說readingsList需要用“，”分隔。json.load()也不喜歡False我的例子中的價值。
這是重新格式化的 JSON
{
"data": {
"readingsList": [
{
"value": 137,
"millis": 1651449224000
},
{
"value": 141,
"millis": 1651448924000
}
],
"messagesList": [
{
"value": 138,
"dateMillis": 1651445346000,
"text": "foo",
"type": "bar",
"field1": 0
}
],
"userList": [
{
"userTimezone": "America/Los_Angeles"
}
]
}
}
潛在的混亂：
- JSON 字串的格式可能很差
json.loads()回傳dict具有嵌套元素的型別的物件。pd.read_json()需要一個型別的物件str- using
pd.DataFrame.from_dict()與dict物件一起使用，并允許您像這樣處理嵌套組件：j['data']['messagesList']
轉載請註明出處，本文鏈接：https://www.uj5u.com/net/484929.html
下一篇：在另一個資料框的列中添加值