如何有效地从 Pandas 数据框移动到 JSON答案

【问题标题】：How can I efficiently move from a Pandas dataframe to JSON如何有效地从 Pandas 数据框移动到 JSON
【发布时间】：2013-10-13 10:06:47
【问题描述】：

我已经开始使用pandas 按日期进行一些聚合。我的目标是计算在特定日期发生的所有测量实例，然后在D3 中表示。为了说明我的工作流程，我有一个查询集（来自 Django），如下所示：

queryset = [{'created':"05-16-13", 'counter':1, 'id':13}, {'created':"05-16-13", 'counter':1, 'id':34}, {'created':"05-17-13", 'counter':1, 'id':12}, {'created':"05-16-13", 'counter':1, 'id':7}, {'created':"05-18-13", 'counter':1, 'id':6}]

我在pandas 中创建了一个数据框，并按创建日期汇总度量“计数器”：

import pandas as pd
queryset_df = pd.DataFrame.from_records(queryset).set_index('id')
aggregated_df = queryset_df.groupby('created').sum()

这给了我一个像这样的数据框：

          counter
created          
05-16-13        3
05-17-13        1
05-18-13        1

当我使用D3 时，我认为JSON 对象将是最有用的。使用 Pandas to_json() 函数，我将我的数据框转换如下：

aggregated_df.to_json()

给我以下JSON对象

{"counter":{"05-16-13":3,"05-17-13":1,"05-18-13":1}}

这不是我想要的，因为我希望能够同时访问日期和测量值。有没有办法可以导出数据，最终得到这样的结果？

data = {"c1":{"date":"05-16-13", "counter":3},"c2":{"date":"05-17-13", "counter":1}, "c3":{"date":"05-18-13", "counter":1}}

我认为，如果我可以在 Python 端以不同的方式构造它，它会减少我需要在 JS 端执行的数据格式化量，因为我计划像这样加载数据：

  x.domain(d3.extent(data, function(d) { return d.date; }));
  y.domain(d3.extent(data, function(d) { return d.counter; }));

我对整体上更好的工作流程的建议持开放态度，因为这是我需要经常做的事情，但我不确定处理D3 和pandas 之间连接的最佳方式。（我查看了几个直接结合了python 和D3 的包，但这不是我想要的，因为它们似乎专注于静态图表生成而不是制作 svg）

【问题讨论】：

标签： javascript python json d3.js pandas

【解决方案1】：

使用reset_index 将您的日期索引转换回一个简单的数据列，然后使用orient='index' 属性生成您的json 对象：

In [11]: aggregated_df.reset_index().to_json(orient='index')
Out[11]: '{"0":{"created":"05-16-13","counter":3},"1":{"created":"05-17-13","counter":1},"2":{"created":"05-18-13","counter":1}}'

【讨论】：