எடுத்துக்காட்டு # 01
'pandas' DataFrame ஐ JSON வடிவத்திற்கு மாற்றுவதற்கு 'pandas' இன் 'to_json()' முறையை எவ்வாறு பயன்படுத்துவது என்பதை நடைமுறையில் காண்பிப்போம். 'pandas' தொகுப்பு இங்கே இறக்குமதி செய்யப்படுகிறது, இது 'numpy' ஆகும், மேலும் அதை 'np' ஆக இறக்குமதி செய்கிறோம். இப்போது, 'பாண்டாஸ்' குறியீட்டை இயக்க, பாண்டாவின் தொகுப்புகள் இறக்குமதி செய்யப்பட வேண்டும். அந்த தொகுப்பை இறக்குமதி செய்ய, 'இறக்குமதி' முக்கிய சொல்லைப் பயன்படுத்துகிறோம். பின்னர், 'pd' ஐ அமைக்கிறோம், அதாவது 'pd' ஐ வைப்பதன் மூலம் நமக்குத் தேவையான எந்த 'pandas தொகுப்பையும்' எளிதாக அணுகலாம் அல்லது பயன்படுத்தலாம்.
'np' ஐப் பயன்படுத்தி நம்பி வரிசையை உருவாக்குகிறோம். வரிசை”, இந்த “np” நம்பி லைப்ரரி செயல்பாடுகளை அணுக உதவுகிறது. இந்த நம்பி அணிவரிசையானது 'New_data' மாறியிலும் சேமிக்கப்படுகிறது, மேலும் இந்த நம்பி அணிவரிசையில் 'A, B, C, D' மற்றும் 'E, F, G, H' ஐ வைப்போம். இந்த நம்பி அணிவரிசை இப்போது 'pd.DataFrame' முறையைப் பயன்படுத்தி DataFrame ஆக மாற்றப்பட்டுள்ளது. இது 'pd' ஐ வைப்பதன் மூலம் நாம் அணுகும் 'pandas' முறை. இந்த நம்பி வரிசையை DataFrame ஆக மாற்றும்போது, நெடுவரிசைப் பெயர்களையும் வைக்கிறோம்.
நெடுவரிசை தலைப்புகளாக நாம் இங்கு சேர்க்கும் பெயர்கள் “col1, col2, col3 மற்றும் col4”. கீழே உள்ள “அச்சு” எங்களிடம் இருப்பதை நீங்கள் காண்கிறீர்கள், அதில் டேட்டாஃப்ரேமின் பெயரை நாங்கள் அமைத்துள்ளோம், இந்த விஷயத்தில் இது “New_dataFrame” ஆகும், எனவே இது இந்த குறியீட்டை செயல்படுத்தும்போது வழங்கப்படும். இப்போது, “to_json()” முறையைப் பயன்படுத்தி இந்த DataFrame ஐ JSON வடிவத்திற்கு மாற்றுகிறோம். DataFrame 'New_dataFrame' இன் பெயரை 'to_json()' முறையுடன் அமைத்து, இந்த முறையை 'New_json' மாறியில் வைக்கிறோம். இங்கே, இந்த “to_json()” முறைக்கு எந்த அளவுருவையும் நாங்கள் அனுப்பவில்லை. DataFrame இன் JSON வடிவம் இப்போது “அச்சு” இல் வைக்கப்பட்டுள்ளது, மேலும் அது கன்சோலிலும் ரெண்டர் செய்யும்.
இந்தக் குறியீட்டைத் தொகுக்கவும் செயல்படுத்தவும், “Shift+Enter” என்பதை அழுத்தி, குறியீடு பிழையின்றி இருந்தால், வெளியீடு ரெண்டர் செய்யும். இந்த எடுத்துக்காட்டில் நாம் உருவாக்கிய DataFrame மற்றும் அந்த DataFrame இன் JSON வடிவமைப்பைக் காட்டிய இந்த குறியீட்டின் முடிவையும் இங்கே ஒட்டுகிறோம்.
எடுத்துக்காட்டு # 02
இங்கே, நாங்கள் ஒரே ஒரு நூலகத்தை மட்டுமே இறக்குமதி செய்கிறோம், அது “பாண்டாக்கள்” பின்னர் “AtoZ_Courses” பட்டியல் உருவாக்கப்பட்டு, அதில் “Python, 29000, 35 days, and 1000.0” என்று சில பட்டியல்களை வைக்கிறோம், பிறகு “” என்று போடுகிறோம். ஜாவாஸ்கிரிப்ட், 27000, 55 நாட்கள் மற்றும் 2300.0', அதன் பிறகு, 'HTMLCSS, 25000, 25 நாட்கள் மற்றும் 1500.0' ஆகியவற்றைச் சேர்க்கிறோம். இப்போது, 'டேட்டாபேஸ், 24000, 45 நாட்கள் மற்றும் 1500.0' மற்றும் 'OOP, 21000, 35 நாட்கள், 1500.0' என மேலும் இரண்டு தரவுகளையும் சேர்த்துள்ளோம். 'AtoZ_Courses' பட்டியல் இப்போது DataFrame இல் மாற்றப்பட்டுள்ளது, அதற்கு 'AtoZ_Courses_df' என்று பெயரிட்டுள்ளோம். DataFrame இன் நெடுவரிசைப் பெயர்களாக 'Courses_Name, Payment, Duration, and Bonus' ஆகியவை இங்கே சேர்க்கப்பட்டுள்ளன.
இப்போது, DataFrame இந்தப் படிநிலையில் உருவாக்கப்படுகிறது, மேலும் அதை முனையத்தில் காண்பிக்க “print()” அறிக்கையில் சேர்க்கிறோம். இப்போது, “to_json()” முறையைப் பயன்படுத்தி, “AtoZ_Courses_df” DataFrame ஐ JSON வடிவத்திற்கு மாற்றுகிறோம். இந்த “to_json()” முறைக்கு “orient= column” என்ற அளவுருவும் கொடுக்கப்பட்டுள்ளது, இது இயல்புநிலை அளவுருவாகும். இது DataFrame ஐ '{column name -> {index value -> column value}} format' ஆகக் காட்டுகிறது.
இங்கே, JSON வடிவத்தில், இது நெடுவரிசையின் பெயரைக் காட்டுகிறது, பின்னர் அந்த நெடுவரிசையின் அனைத்து மதிப்புகளையும் குறியீட்டு மதிப்புடன் சேர்க்கிறது. முதலில், இது முதல் நெடுவரிசையின் பெயரைக் குறிப்பிடுகிறது, பின்னர் முதல் நெடுவரிசையின் அனைத்து மதிப்புகளும் குறியீட்டு மதிப்புகளுடன் வழங்கப்படுகின்றன, பின்னர் அது இரண்டாவது நெடுவரிசையின் பெயரையும் இரண்டாவது நெடுவரிசையின் அனைத்து மதிப்புகளையும் குறியீடுகளுடன் வைக்கிறது.
எடுத்துக்காட்டு # 03
DataFrame இந்த குறியீட்டில் 'Bachelors_df' என்ற பெயரில் உருவாக்கப்படுகிறது. இந்த “Bachelors_df” இல் ஐந்து நெடுவரிசைகளைச் செருகியுள்ளோம். எங்களிடம் உள்ள முதல் நெடுவரிசை 'மாணவர்' நெடுவரிசையாகும், மேலும் அதில் 'லில்லி, ஸ்மித், ப்ரோம்லி, மில்லி மற்றும் அலெக்சாண்டர்' ஆகியவற்றைச் செருகுவோம். அடுத்து வரும் நெடுவரிசை 'டிகிரி' நெடுவரிசையாகும், அதில் 'IT, BBA, ஆங்கிலம், CS மற்றும் DVM' ஆகியவை உள்ளன. “2015, 2018, 2017, 2015 மற்றும் 2014” ஆகிய மாணவர்களின் சேரும் ஆண்டுகளைச் சேர்க்கும் இடத்தில் “இணைக்கும்_வருடம்” வரும்.
இந்த நெடுவரிசைக்கு அடுத்துள்ள நெடுவரிசை “இயர்_ஆஃப்_கிராஜுவேஷன்” ஆகும், அதில் அந்த மாணவர்களின் பட்டப்படிப்பு ஆண்டுகள் “2019, 2022, 2021, 2019 மற்றும் 2018” ஆகும். '3.3, 3.5, 3.6, 3.7, மற்றும் 3.8' மாணவர்களின் CGPAகளை வைக்கும் 'CGPA' நெடுவரிசையையும் இங்கே சேர்க்கிறோம். முனையத்தில் “Bachelors_df” ஐக் காட்ட, அதை “print()” வெளிப்பாட்டில் சேர்க்கிறோம். இப்போது, “to_json()” முறையைப் பயன்படுத்தி “Bachelors_df” DataFrame ஐ JSON வடிவத்திற்கு மாற்றுகிறோம்.
“orient= records” அளவுரு இந்த குறியீட்டில் உள்ள “to_json()” முறைக்கு அனுப்பப்பட்டது. இந்த “orient= records” JSON வடிவமைப்பை “[{நெடுவரிசைப் பெயர் -> நெடுவரிசை மதிப்பு}, … , {column name -> column value}]” படிவமாகக் காண்பிக்கும். DataFrame இன் JSON வடிவம் இப்போது 'அச்சிடு' என அமைக்கப்பட்டுள்ளது, மேலும் இது முனையத்திலும் காண்பிக்கப்படும்.
DataFrame இங்கே நெடுவரிசைகள் மற்றும் வரிசைகள் வடிவத்தில் காட்டப்பட்டுள்ளது, ஆனால் JSON வடிவத்தில், அது நெடுவரிசையின் பெயரை வைத்து, அந்த நெடுவரிசையின் மதிப்பைக் காட்டுவதை நீங்கள் கவனிக்கலாம்; ஒரு நெடுவரிசையின் மதிப்பைக் காட்டிய பிறகு, அது இரண்டாவது நெடுவரிசையின் பெயரை அச்சிடுகிறது, பின்னர் அந்த நெடுவரிசையின் மதிப்பை வைக்கிறது, பின்னர் 'to_josn' முறையின் அளவுருவை 'orient= பதிவுகள்' என அமைப்பதால்.
எடுத்துக்காட்டு # 04
'My_data' என்ற நம்பி வரிசையை உருவாக்குகிறோம், அதில் '2, 4' மற்றும் '6, 8' ஐச் செருகுவோம். பின்னர் நம்பி அணிவரிசையை DataFrame 'My_dataFrame' ஆக மாற்றி அதன் நெடுவரிசை பெயர்களை 'A1 மற்றும் A2' என அமைக்கவும். இப்போது, 'அச்சு' பயன்படுத்தி DataFrame ஐ இங்கே காண்பித்த பிறகு. எந்த அளவுருவும் இல்லாமல் முதலில் “to_json()” முறையைப் பயன்படுத்திக் காட்டுவோம். இதற்குப் பிறகு, “to_json()” முறைகளின் அளவுருவை “orient=split” என அமைத்து, இந்த வடிவமைப்பையும் அச்சிடுகிறோம். பின்னர் 'My_dataFrame' க்கு மீண்டும் 'to_josn()' ஐப் பயன்படுத்துகிறோம், மேலும் இந்தச் செயல்பாட்டின் அளவுருவாக 'orient=records' ஐ அனுப்புகிறோம்.
இதற்குக் கீழே, “My_dataFrame” உடன் “orient= index” ஐ வைத்து, இந்த JSON வடிவமைப்பை வழங்குகிறோம். இந்த அளவுருவிற்குப் பிறகு, 'orient = column' அளவுருவுடன் 'to_json' ஐ மீண்டும் பயன்படுத்தி, அதையும் வழங்குவோம். பின்னர் “to_json()” முறையின் அளவுருவாக “orient= values” ஐ கடந்து “My_dataFrame” க்கு பயன்படுத்துவோம். இந்தச் செயல்பாட்டின் அளவுருவை “ஓரியன்ட்= டேபிள்” என அமைத்து, அதை மீண்டும் அதே டேட்டாஃப்ரேமுடன் பயன்படுத்துகிறோம், மேலும் இந்த JSON வடிவமைப்பையும் காண்பிக்கிறோம். இப்போது, இந்த குறியீட்டின் வெளியீட்டில் JSON இன் வடிவங்களுக்கு இடையிலான வேறுபாட்டைக் கவனிப்போம்.
அதே DataFrameக்கு நாங்கள் பயன்படுத்திய JSON இன் வடிவங்களுக்கிடையேயான வித்தியாசத்தை இங்கே நீங்கள் எளிதாகக் கண்டறியலாம். “to_json” முறையில் நாம் அனுப்பிய அனைத்து அளவுருக்களும் வெவ்வேறு வடிவங்களில் இங்கே தோன்றும்.
முடிவுரை
இந்த வழிகாட்டி JSON வடிவமைப்பைக் காட்டுகிறது மற்றும் இந்த JSON வடிவமைப்பை விரிவாக விளக்கியுள்ளது மற்றும் பாண்டாஸ் டேட்டாஃப்ரேமை JSON ஆக மாற்றுவது எப்படி. Pandas DataFrame ஐ JSON வடிவத்திற்கு மாற்றுவதற்கு “to_json()” முறை பயன்படுத்தப்படுகிறது என்பதை விளக்கியுள்ளோம். நாங்கள் வெவ்வேறு அளவுருக்களைப் பற்றியும் விவாதித்தோம், அதை இங்கே “to_json()” முறைக்கு அனுப்பியுள்ளோம். எங்கள் 'pandas' குறியீட்டில் இந்த 'to_json()' முறைக்கு சாத்தியமான அனைத்து அளவுருக்களையும் வைப்பதன் மூலம் 'to_json()' முறைகளைப் பயன்படுத்திய முழுமையான வழிகாட்டியை நாங்கள் வழங்கியுள்ளோம், மேலும் இந்த அளவுருக்கள் வடிவமைப்பை எவ்வாறு மாற்றுகின்றன என்பதை வெளியீட்டில் காண்பித்தோம். JSON இன்.