将 Pandas DataFrame 保存为 JSON 字符串

Question

我意识到这似乎是一个已经在这里提出的问题，但似乎没有一个解决方案有效。我从一本看起来类似以下内容的字典开始：

{'2016-05-08': 1, '2016-05-09': nan, '2016-05-05': nan, '2016-05-06': nan, '2016-05-07': nan, '2016-05-11': nan, 'address': '<email address>, '2016-05-12': nan, '2016-05-10': nan}

我将这些数据读入 pandas DataFrame，看起来像这样：

address date1 date2 date3 date4 date5 date6 date7 <email> NaN NaN NaN 1 NaN NaN NaN

然后我使用以下方法计算均值和标准差，并将它们添加到 DataFrame：

mean = pd.Series(df.mean(axis=1), index=df.index) std = pd.Series(df.std(axis=1), index=df.index) df = pd.concat([df, mean, std], axis=1)

当我print df 时，它看起来应该如此。但是，当我使用此方法将 DataFrame 写入 JSON 字符串 df.to_json(<path to file>) 时，它会在我的 JSON 文件中获取原始字典。我想要 JSON 数据中包含标准差和均值的所有数据的 JSON 字符串，我该怎么做？

Answer 1

如果您的摘要列提供了您期望的数据，请将这些列添加到数据框中。

试试

df['std'] = pd.Series(df.std(axis=1), index=df.index)

df['mean'] = pd.Series(df.mean(axis=1), index=df.index)

然后导出为 JSON。

编辑：好的，我看到你看到它现在可以与 print df 一起使用，抱歉）。

我无法重现您的结果。这就是我所拥有的：

import pandas as pd

d = {'2016-05-08': 1, '2016-05-09': float('nan'), '2016-05-05': float('nan'), '2016-05-06': float('nan'), '2016-05-07': float('nan'), '2016-05-11': float('nan'), 'address': '<email address>', '2016-05-12': float('nan'), '2016-05-10': float('nan')}

df = pd.DataFrame(d, index=[0])

mean = pd.Series(df.mean(axis=1), index=df.index)
std = pd.Series(df.std(axis=1), index=df.index)
df = pd.concat([df, mean, std], axis=1)

df.to_json('correctoutput.txt')

这是带有输出的 json：

http://www.jsoneditoronline.org/?id=c0b29191d89fba8b593e29009af4f382