JSON的全称是JavaScript Object Notation。JSON是由编程语言中的文本组成的脚本文件，用于存储和传输数据。当你与服务器一起工作时，那么JSON数据是有益的。Python通过一个叫做json的内置包支持JSON。

CSV (Comma Separated Values)是用于存储表格数据的简单文件格式，如数据库或电子表格。

要在Python中把JSON转换为CSV，可以使用pandas to_csv()函数。 to_csv()是一个Pandas库函数，可以将对象写入逗号分隔的值（csv）文件。将json转换为csv的第一步是使用Pandas read_json()函数读取json数据，然后使用 to_csv()函数将其转换为csv。

要在Python中使用json，我们必须在Python脚本中导入json包。JSON文本是通过引号字符串完成的，它包含了{ }内的键值映射的值。它类似于Python中的字典。

CSV文件以纯文本形式存储表格数据（数字和文本）。文件的每一行都是数据记录。每条记录由一个或多个字段组成，用逗号分隔。作为字段分隔符的逗号是这种文件格式名称的来源。

现在，我们需要将Python JSON字符串转换成CSV格式。所以，我们需要处理外部的json文件。这种情况经常用在网络开发中，来自服务器的数据总是以JSON格式发送，然后我们需要将这些数据转换为CSV格式，以便用户能够快速分析数据。

在我们的案例中，没有服务器。所以我们必须创建一个带有一些数据的静态json文件。然后我们读取该文件获得数据，并通过以下步骤将其转换成CSV格式。

假设我们有一个名为export.json的文件。

该文件的内容如下，你可以复制以下内容并创建你的json文件。让我们把它命名为export.json 文件：

现在，这就是文件的内容，我们将把它转换成CSV。

在上面的文件中，你可以看到，键是有索引的。这意味着，当我们把它转换成pandas对象时，索引将是0、1、2、3、4，而头列将是Netflix和Quibi。

Pandas read_json()是一个内置的函数，可以将JSON字符串转换为pandas对象。使用pandas解析JSON数据集要方便得多。Pandas允许你将列表转换为DataFrame，并单独指定列名。

一个JSON解析器将JSON文本转换为另一种表示方法，必须接受所有符合JSON语法的文本。

我假设export.json 文件与你的编码文件在同一目录下。所以你的路径只是一个文件名。现在，让我们用下面的代码将JSON字符串转换为Pandas对象：

在上面的代码中，我们已经传递了orient='index'。

Orient是预期的JSON字符串格式的一个指示。兼容的JSON字符串可以由to_json()产生，并有相应的orient值。可能的orient的集合是。

'split': dict like {index -> [index], columns ->

, data -> [values]}

'records': list like [{column -> value}, ..., {column -> value}].

'索引': dict like {index -> {column -> value}}

'columns': dict like {column -> {index -> value}}.

'值'：只是值数组

从输出结果来看，我们可以说，我们已经将json字符串转化为Pandas对象。

让我们把Pandas对象转换为CSV数据并在控制台中打印出来：

我们已经禁用了索引，因为我们不需要CSV数据的索引。

在这里，我们已经打印了CSV数据。我们也可以在这里导出CSV数据。 我们需要提供创建CSV文件的导出路径来做到这一点。我们是在与export.json文件相同的目录下进行导出的：

在这种情况下，我们不需要返回任何数据，因为我们正在导出文件。所以这就是为什么这里的返回值是无。

导出的文件名称是streaming.csv文件，与export.json文件在同一目录下。该文件的内容如下：

让我们回顾一下这里的一切。

在第一步，我们已经准备好了JSON文件。

在第二步，我们使用read_json()函数将其转换为Pandas对象。

在最后一步，我们需要使用Pandas to_csv()函数将Pandas对象转换为CSV数据或将其导出到一个文件。

处理大型JSON数据集的工作可能会恶化，主要是当它们太大，无法装入内存时。 在这样的情况下，Pandas库可以成为探索和分析数据的有效途径。此外，我们可以使用Pandas库将几乎所有的标准数据类型转换为任何其他数据类型。

本教程到此结束。

Pandas数据框架到列表

Pandas to_json()

Pandas filter()