访问具有多个层次结构的 JSON 文件答案

【问题标题】：Accessing JSON File with Multiple Hierarchical Layers访问具有多个层次结构的 JSON 文件
【发布时间】：2018-11-12 23:34:39
【问题描述】：

我有一个格式如下的 JSON 文件：

{  
   "total_rows":10000,
   "offset":0,
   "rows":[  
      {  
     "id":"005584833b8e2063f04ff713",
     "key":"00558433b8e2063f04ff713",
     "value":{  
        "rev":"1-8137baa51a2f335b0215ba9d08"
     },
     "doc":{  
        "_id":"0055842eb0063f04ff713",
        "_rev":"1-8137baa51a2f335b0215ba9d08",
        "value":1,
        "date":"2017-04-07T12:38:06.336Z",
        "date_inmilli":1491568686336,
        "sensorType":"sensor",
        "date":"2017-04-07T12:38:06.458Z"
     }
  }
   ]
}

我正在尝试使用 Python 提取 "sensorType" 或 "value" 的值。使用下面的 R 代码，我能够正确地得到结果：

library(jsonlite)
df <- fromJSON("file.json")
df$rows$doc$sensorType

但是使用 Python pandas，当我尝试使用以下代码提取值时出现错误：

import pandas as pd
df = pd.read_json("file.json")
df['rows']['doc']['sensorType']

我正在努力学习Python，你能帮忙解决这个问题吗？提前致谢。

【问题讨论】：

标签： python json pandas

【解决方案1】：

rows 是一个对象列表试试这个：

df['rows'][0]['doc']['sensorType']

或者如果rows 列表中有很多对象，则需要使用for loop statment

for row in df['rows']:
    print(row['doc']['sensorType'])

更新将这些值放入数据框更 Pythonic 的方式是这样

df1 = pd.DataFrame([row['doc']['sensorType'] for row in df['rows']])

print(df1)

【讨论】：

您好，非常感谢您的回答！最终我会将这些值放入数据框中，下面的代码是 Python 中的正确方法还是有更优化的方法？ df1 = [] for row in df['rows']: df1.append((row['doc']['sensorType'])) df1=pd.DataFrame(df1)
@Solijoli 你可以使用list comprehension 一个简单的foor loop 最快，我更新我的答案

【解决方案2】：

你可以使用 python dict get 方法：

您可以通过打印 dir (object) 来检查任何对象的所有可用方法：

print(dir(dict))

['__class__', '__contains__', '__delattr__', '__delitem__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__gt__', '__hash__', '__init__', '__iter__', '__le__', '__len__', '__lt__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__setitem__', '__sizeof__', '__str__', '__subclasshook__', 'clear', 'copy', 'fromkeys', 'get', 'items', 'keys', 'pop', 'popitem', 'setdefault', 'update', 'values']

用途：

data={
   "total_rows":10000,
   "offset":0,
   "rows":[
      {
     "id":"005584833b8e2063f04ff713",
     "key":"00558433b8e2063f04ff713",
     "value":{
        "rev":"1-8137baa51a2f335b0215ba9d08"
     },
     "doc":{
        "_id":"0055842eb0063f04ff713",
        "_rev":"1-8137baa51a2f335b0215ba9d08",
        "value":1,
        "date":"2017-04-07T12:38:06.336Z",
        "date_inmilli":1491568686336,
        "sensorType":"sensor",
     }
  }
   ]
}


print(data.get('rows')[0].get('doc').get('sensorType'))

输出：

sensor

对于 pandas，您可以创建一个新的数据框并使用类似这样的 for 循环对其进行更新：

raw_data = []

raw_data.append(data.get('rows')[0].get('doc').get('sensorType'))

df = pd.DataFrame(raw_data, columns = ['sensorType'])

print(df)

输出：

  sensorType
0     sensor

【讨论】：