如何用Python将CSV转换为JSON(附实例） |
您所在的位置：网站首页 › python处理多个csv文件 › 如何用Python将CSV转换为JSON(附实例） |
如何用Python将CSV转换为JSON(附实例）
|
将CSV文件转换为JSON文件的5个简单步骤
你可以通过以下五个步骤将CSV文件转换为JSON文件。 导入csv 和json 库 在阅读模式下使用 [open(path_to_csv, 'r')](https://blog.finxter.com/python-open-function/)函数在上下文管理器（=with 环境）中打开CSV作为文件对象。 使用csv.DictReader(fobj) 将CSV内容加载到Python中，并传递刚刚创建的文件对象。 遍历每个row ，并使用其中一列值作为键更新新创建的字典 my_json 。my_json[key] = row 使用函数将my_json 字典数据存储在一个JSON文件中。 [json.dumps(my_json)](https://blog.finxter.com/how-to-serialize-a-python-dict-into-a-string-and-back/)函数存储在一个JSON文件中。下面是一个将CSV文件'my_file.csv' 转换为JSON文件'my_file.json' 的代码例子。 import csv import json csv_file = 'my_file.csv' json_file = 'my_file.json' my_json = {} with open(csv_file, 'r') as fobj: reader = csv.DictReader(fobj) for row in reader: # Use one of the CSV column names as a key key = row['Name'] my_json[key] = row with open(json_file,'w') as fobj: fobj.write(json.dumps(my_json, indent=2))注意，你应该使用CSV中的一个列作为键。在这个例子中，我们使用了CSV文件中的列'Name'。在你的情况下，你将需要使用你自己的列头。 输入CSV文件。 Name,Job,Age,Income Alice,Programmer,23,110000 Bob,Executive,34,90000 Carl,Sales,45,50000输出JSON文件。 { "Alice": { "Name": "Alice", "Job": "Programmer", "Age": "23", "Income": "110000" }, "Bob": { "Name": "Bob", "Job": "Executive", "Age": "34", "Income": "90000" }, "Carl": { "Name": "Carl", "Job": "Sales", "Age": "45", "Income": "50000" } }你可以在我们的交互式Jupyter笔记本中自己尝试，这里。
之前介绍的csv.DictReader() 方法假定CSV中的第一行是标题。因此，第一行被用作CSV的页眉--例如，使用row['Name'] ，访问列'Name' 的特定行键。 Python将CSV转换为JSON，不含页眉之前介绍的csv.DictReader() 方法假定CSV中的第一行是头。 如果你的CSV文件在第一行没有任何头信息，你可以用 **fieldnames**``csv.DictReader() 方法的参数，该方法接收一连串的列标（字符串）。 下面是DictReader() 方法的语法。 class csv.DictReader(f, fieldnames=None, restkey=None, restval=None, dialect='excel', *args, **kwds)"fieldnames "参数是一个序列。如果省略了fieldnames ，文件f 的第一行的值将被用作fieldnames 。" -文档 下面的代码片断显示了如何通过设置自定义列（标题）字符串作为列表 ['XXX', 'YYY', 'ZZZ', '---'] ，将相同的没有标题的CSV转换为JSON文件。 import csv import json csv_file = 'my_file.csv' json_file = 'my_file.json' my_json = {} with open(csv_file, 'r') as fobj: reader = csv.DictReader(fobj, fieldnames=['XXX', 'YYY', 'ZZZ', '---']) for row in reader: key = row['---'] my_json[key] = row with open(json_file,'w') as fobj: fobj.write(json.dumps(my_json, indent=2))下面是输入和输出的文件。 输入CSV文件。 Name,Job,Age,Income Alice,Programmer,23,110000 Bob,Executive,34,90000 Carl,Sales,45,50000输出JSON文件。 { "Income": { "XXX": "Name", "YYY": "Job", "ZZZ": "Age", "---": "Income" }, "110000": { "XXX": "Alice", "YYY": "Programmer", "ZZZ": "23", "---": "110000" }, "90000": { "XXX": "Bob", "YYY": "Executive", "ZZZ": "34", "---": "90000" }, "50000": { "XXX": "Carl", "YYY": "Sales", "ZZZ": "45", "---": "50000" } }或者，作为一个屏幕截图。
你可以看到，现在第一行被用作正常的CSV输入行，而不是像前面的例子那样，在没有指定DictReader() 方法的fieldnames 参数的情况下被用作标题。 Python将CSV转换为JSON Pandas该 [pandas.to_json()](https://blog.finxter.com/pandas-dataframe-to_json-method/)方法将一个DataFrame对象转换为JSON字符串。 这个方法的语法如下。 # Syntax to_json() DataFrame.to_json(path_or_buf=None, orient=None, date_format=None, double_precision=10, force_ascii=True, date_unit='ms', default_handler=None, lines=False, compression='infer', index=True, indent=None, storage_options=None)下面的例子将countries.csv 文件读入一个DataFrame。然后这个DataFrame转换为JSON。 df = pd.read_csv('countries.csv').head() result = df.to_json(indent=4, orient='records', lines=True) print(result) 第[1]行读入countries.csv 文件的前五（5）行（头部）。输出保存到一个DataFrame (df)。 第[2]行做了以下工作。 将DataFrame转换为JSON格式 通过将每条记录从左边缩进四（4）个空格来格式化输出 将方向参数设置为记录，将行设置为True （见上述定义）。 将输出保存到result 。 第[3]行将结果输出到终端。输出 -result { "Country":"Germany", "Capital":"Berlin", "Population":83783942, "Area":357021 } { "Country":"France", "Capital":"Paris", "Population":67081000, "Area":551695 } { "Country":"Spain", "Capital":"Madrid", "Population":47431256, "Area":498511 } { "Country":"Italy", "Capital":"Rome", "Population":60317116, "Area":301338 } { "Country":"Poland", "Capital":"Warsaw", "Population":38383000, "Area":312685 }Pheww!让我们以更有趣的方式来结束这篇文章吧!!(s.w.org/images/core…) 程序员的幽默 Q: How do you tell an introverted computer scientist from an extroverted computer scientist? A: An extroverted computer scientist looks at your shoes when he talks to you. |
【本文地址】
今日新闻 |
推荐新闻 |