ตัวอย่าง # 01
เราจะสาธิตวิธีใช้งานวิธี “to_json()” ของ “pandas” เพื่อเปลี่ยน DataFrame ของ “pandas” เป็นรูปแบบ JSON ในทางปฏิบัติ แพ็กเกจ 'pandas' ถูกนำเข้าที่นี่ ซึ่งก็คือ 'numpy' และเรานำเข้าเป็น 'np' ในตอนนี้ ในการรันโค้ด 'pandas' แพ็คเกจของแพนด้าควรถูกนำเข้า ในการนำเข้าแพ็คเกจนั้น เราใช้คำหลัก 'นำเข้า' จากนั้น เราตั้งค่า “pandas เป็น pd” ซึ่งหมายความว่าเราสามารถเข้าถึงหรือใช้ “pandas package” ใดก็ได้ที่เราต้องการโดยเพียงแค่วาง “pd” ไว้ที่นั่น
เราสร้างอาร์เรย์ numpy ที่นี่โดยใช้ 'np array', 'np' นี้ช่วยเราในการเข้าถึงฟังก์ชันไลบรารี numpy อาร์เรย์ numpy นี้ถูกเก็บไว้ในตัวแปร 'New_data' และเราใส่ 'A, B, C, D' และ 'E, F, G, H' ลงในอาร์เรย์ที่เป็นตัวเลขนี้ อาร์เรย์ numpy นี้ถูกแปลงเป็น DataFrame โดยใช้เมธอด “pd.DataFrame” นี่คือวิธีของ 'หมีแพนด้า' ที่เราเข้าถึงที่นี่โดยวาง 'pd' เมื่อเราแปลงอาร์เรย์ numpy นี้เป็น DataFrame เราก็ใส่ชื่อคอลัมน์ด้วยเช่นกัน
ชื่อที่เราเพิ่มที่นี่เป็นส่วนหัวของคอลัมน์คือ 'col1, col2, col3 และ col4' จากนั้นคุณจะเห็นว่าเรามี 'พิมพ์' ด้านล่างซึ่งเราตั้งชื่อของ DataFrame ซึ่งในกรณีนี้คือ 'New_dataFrame' ดังนั้นสิ่งนี้จะแสดงในการดำเนินการของรหัสนี้ ตอนนี้ เรากำลังแปลง DataFrame นี้เป็นรูปแบบ JSON โดยใช้เมธอด “to_json()” เราตั้งชื่อ DataFrame “New_dataFrame” ด้วยเมธอด “to_json()” และใส่เมธอดนี้ในตัวแปร “New_json” ที่นี่ เราไม่ได้ส่งพารามิเตอร์ใดๆ ไปยังเมธอด “to_json()” นี้ ขณะนี้รูปแบบ JSON ของ DataFrame อยู่ใน 'print' และจะแสดงผลบนคอนโซลด้วย
สำหรับการรวบรวมและเรียกใช้โค้ดนี้ เรากด 'Shift+Enter' และหากโค้ดไม่มีข้อผิดพลาด เอาต์พุตจะแสดงขึ้น ที่นี่เรายังวางผลลัพธ์ของโค้ดนี้ซึ่งเราได้แสดง DataFrame ที่เราสร้างขึ้นในตัวอย่างนี้และรูปแบบ JSON ของ DataFrame นั้นด้วย
ตัวอย่าง # 02
ที่นี่เรานำเข้าไลบรารีเดียวเท่านั้นคือ 'หมีแพนด้า' จากนั้นรายการ 'AtoZ_Courses' จะถูกสร้างขึ้นและเราวางบางรายการไว้ในนั้นซึ่งก็คือ 'Python, 29000, 35 วันและ 1000.0' จากนั้นเราใส่ ' JavaScript, 27000, 55 วัน และ 2300.0” หลังจากนั้น เราเพิ่ม “HTMLCSS, 25000, 25 วัน และ 1500.0” ตอนนี้ เรายังแทรกข้อมูลอีกสองรายการในชื่อ “DataBase, 24000, 45 days, and 1500.0” และ “OOP, 21000, 35 days, 1500.0” ด้วยเช่นกัน ตอนนี้รายการ 'AtoZ_Courses' มีการเปลี่ยนแปลงใน DataFrame และเราตั้งชื่อว่า 'AtoZ_Courses_df' เพิ่ม “Courses_Name, Payment, Duration, and Bonus” ที่นี่เป็นชื่อคอลัมน์ของ DataFrame
ตอนนี้ DataFrame ถูกสร้างขึ้นในขั้นตอนนี้ และเราเพิ่มลงในคำสั่ง “print()” เพื่อแสดงบนเทอร์มินัล ตอนนี้โดยใช้เมธอด “to_json()” เรากำลังแปลง DataFrame “AtoZ_Courses_df” ให้อยู่ในรูปแบบ JSON วิธีการ “to_json()” นี้ยังได้รับพารามิเตอร์ซึ่งก็คือ “คอลัมน์ orient=” ซึ่งเป็นพารามิเตอร์เริ่มต้นด้วยเช่นกัน จะแสดง DataFrame เป็นคำสั่งในรูปแบบ '{ชื่อคอลัมน์ -> {ค่าดัชนี -> ค่าคอลัมน์}} รูปแบบ'
ที่นี่ในรูปแบบ JSON จะแสดงชื่อคอลัมน์แล้วใส่ค่าทั้งหมดของคอลัมน์นั้นพร้อมกับค่าดัชนี อันดับแรก จะกล่าวถึงชื่อของคอลัมน์แรก จากนั้นค่าทั้งหมดของคอลัมน์แรกจะถูกแสดงพร้อมกับค่าดัชนี จากนั้นจึงใส่ชื่อคอลัมน์ที่สองและค่าทั้งหมดของคอลัมน์ที่สองด้วยดัชนีเป็นต้น
ตัวอย่าง #03
DataFrame ถูกสร้างขึ้นในรหัสนี้โดยใช้ชื่อว่า “Bachelors_df” เราได้แทรกห้าคอลัมน์ใน “Bachelors_df” นี้ คอลัมน์แรกที่เรามีคือคอลัมน์ 'นักเรียน' และเราแทรก 'Lily, Smith, Bromley, Milli และ Alexander' ลงในนั้น คอลัมน์ที่ตามมาคือคอลัมน์ 'ดีกรี' ซึ่งประกอบด้วย 'IT, BBA, English, CS และ DVM' จากนั้น 'year_of_joining' จะนำหน้าโดยที่เราเพิ่มจำนวนปีที่เข้าร่วมของนักเรียน ซึ่งก็คือ '2015, 2018, 2017, 2015 และ 2014'
คอลัมน์ถัดจากคอลัมน์นี้คือ “year_of_graduation” ซึ่งมีปีที่สำเร็จการศึกษาของนักศึกษาเหล่านั้นคือ “2019, 2022, 2021, 2019, และ 2018” นอกจากนี้เรายังเพิ่มคอลัมน์ 'CGPA' ที่นี่ซึ่งเราวาง CGPA ของนักเรียน '3.3, 3.5, 3.6, 3.7 และ 3.8' ในการแสดง “Bachelors_df” บนเทอร์มินัล เรารวมไว้ในนิพจน์ “print()” ตอนนี้ เรากำลังแปลง DataFrame ” Bachelors_df ” ให้อยู่ในรูปแบบ JSON โดยใช้เมธอด “to_json()”
พารามิเตอร์ 'orient= records' ถูกส่งผ่านไปยังเมธอด 'to_json()' ในโค้ดนี้เช่นเดียวกัน “orient= records” นี้จะแสดงรูปแบบ JSON เป็น “[{ชื่อคอลัมน์ -> ค่าคอลัมน์}, … , {ชื่อคอลัมน์ -> ค่าคอลัมน์}]” รูปแบบ JSON ของ DataFrame ถูกตั้งค่าเป็น 'พิมพ์' และจะแสดงบนเทอร์มินัลด้วย
DataFrame จะแสดงที่นี่ในรูปแบบคอลัมน์และแถว แต่ในรูปแบบ JSON คุณจะสังเกตได้ว่าใส่ชื่อคอลัมน์แล้วแสดงค่าของคอลัมน์นั้น หลังจากแสดงค่าของคอลัมน์หนึ่งแล้ว มันจะพิมพ์ชื่อของคอลัมน์ที่สองแล้วใส่ค่าของคอลัมน์นั้นและต่อไปเรื่อย ๆ เนื่องจากเราตั้งค่าพารามิเตอร์ของเมธอด “to_josn” เป็น “orient= records”
ตัวอย่าง # 04
เราสร้างอาร์เรย์ numpy 'My_data' ซึ่งเราแทรก '2, 4' และ '6, 8' จากนั้นเปลี่ยนอาร์เรย์ numpy เป็น DataFrame “My_dataFrame” และตั้งชื่อคอลัมน์เป็น “A1 และ A2” ตอนนี้หลังจากแสดง DataFrame ที่นี่โดยใช้ 'print' เราใช้เมธอด “to_json()” ก่อนโดยไม่มีพารามิเตอร์ใดๆ แล้วแสดง หลังจากนี้ เราตั้งค่าพารามิเตอร์เมธอด “to_json()” เป็น “orient=split” และพิมพ์รูปแบบนี้ด้วย จากนั้นเราใช้ “to_josn()” อีกครั้งกับ “My_dataFrame” และครั้งนี้เราส่ง “orient=records” เป็นพารามิเตอร์ของฟังก์ชันนี้
ด้านล่างนี้ เราใส่ “orient= index” ด้วย “My_dataFrame” และแสดงรูปแบบ JSON นี้ หลังจากพารามิเตอร์นี้ เราใช้ 'to_json' อีกครั้งด้วยพารามิเตอร์ 'orient = column' และแสดงผลด้วย จากนั้นเราจะส่ง 'orient= values' เป็นพารามิเตอร์ของเมธอด 'to_json()' และนำไปใช้กับ 'My_dataFrame' นอกจากนี้เรายังตั้งค่าพารามิเตอร์ของฟังก์ชันนี้เป็น 'orient= table' และใช้กับ DataFrame เดียวกันอีกครั้งและแสดงรูปแบบ JSON นี้ด้วย ตอนนี้ เราจะสังเกตความแตกต่างระหว่างรูปแบบของ JSON ในผลลัพธ์ของโค้ดนี้
ที่นี่ คุณสามารถค้นหาความแตกต่างระหว่างรูปแบบของ JSON ที่เรานำไปใช้กับ DataFrame เดียวกันได้อย่างง่ายดาย พารามิเตอร์ทั้งหมดที่เราส่งผ่านในวิธี “to_json” จะปรากฏในรูปแบบต่างๆ ที่นี่
บทสรุป
คู่มือนี้แสดงรูปแบบ JSON และได้อธิบายรูปแบบ JSON นี้โดยละเอียดและวิธีแปลง DataFrame แพนด้าเป็น JSON เราได้อธิบายว่าเมธอด “to_json()” ใช้สำหรับแปลง DataFrame แพนด้าเป็นรูปแบบ JSON เราได้พูดคุยกันถึงพารามิเตอร์ต่างๆ ซึ่งเราได้ส่งผ่านไปยังเมธอด “to_json()” ที่นี่ เราได้จัดทำคู่มือฉบับสมบูรณ์ซึ่งเราใช้เมธอด “to_json()” โดยใส่พารามิเตอร์ที่เป็นไปได้ทั้งหมดลงในเมธอด “to_json()” นี้ในโค้ด “pandas” ของเรา และยังแสดงให้เห็นในผลลัพธ์ด้วยว่าพารามิเตอร์เหล่านี้เปลี่ยนรูปแบบอย่างไร ของ JSON