பாண்டாஸ் JSON ஐப் படித்தார்

தொடரியல்

இந்த “read_json()” முறையின் முழுமையான தொடரியல் கீழே கொடுக்கப்பட்டுள்ளது.

எடுத்துக்காட்டு 01

இந்த வழிகாட்டியில் இங்கே வழங்கப்பட்டுள்ள இந்த எடுத்துக்காட்டுகள், 'ஸ்பைடர்' பயன்பாட்டில் செயல்படுத்தப்படுகின்றன. “read_json()” முறையைப் பயன்படுத்துவதற்கு முன், முதலில் JSON கோப்பை உருவாக்குகிறோம், அதன் தரவை “read_json()” முறையைப் பயன்படுத்தி படிக்கலாம். 'pandas' இல் JSON கோப்பை எவ்வாறு உருவாக்குவது என்பதையும் நாங்கள் இங்கு விவாதித்தோம். 'pd.DataFrame()' முறையைப் பயன்படுத்தி முதலில் DataFrame ஐ உருவாக்குவதை இங்கே காணலாம்.

இந்த DataFrame இன் நெடுவரிசையாக “Name, Num_1, Num_2, Num_3, Num_4 மற்றும் Num_5” ஆகியவற்றைச் சேர்த்து, இந்த நெடுவரிசைகளில் சில தரவையும் செருகுவோம். இதற்குப் பிறகு, “to_json()” முறையைப் பயன்படுத்துகிறோம், இது இந்த DataFrame ஐ JSON ஆக மாற்ற உதவுகிறது. JSON தரவு சேமிக்கப்படும் “JSON” கோப்பிற்கு நாம் கொடுக்க விரும்பும் பெயரை உள்ளிடுகிறோம். இங்கு நாம் கொடுக்கும் பெயர் “Marks.json”. எனவே, இந்த குறியீட்டை இயக்கிய பிறகு, JSON கோப்பு 'Marks.json' என்ற பெயரில் உருவாக்கப்படும், மேலும் அது நாம் இங்கு உள்ளிட்டுள்ள JSON இல் தரவைச் சேமிக்கும்.

“Shift+Enter” ஐ அழுத்தி இந்தக் குறியீட்டை இயக்கிய பிறகு, JSON கோப்பு உருவாக்கப்பட்டது, மேலும் இங்கே JSON கோப்பும் கீழே காட்டப்பட்டுள்ளது. மேலே உள்ள குறியீட்டை இயக்கிய பிறகு நமக்குக் கிடைக்கும் JSON கோப்பு இது. இப்போது, ​​நாம் முன்னேறி, இந்த JSON கோப்பை “read_json()” முறையின் உதவியுடன் படிப்போம்.

இப்போது, ​​​​நாங்கள் முதலில் 'பாண்டாஸ்' நூலகத்தை 'இறக்குமதி' செய்கிறோம், ஏனெனில் இங்கு 'பாண்டாஸ்' முறையான 'read_json()' முறையைப் பயன்படுத்த வேண்டும். நாங்கள் 'pd ஆக பாண்டாக்களை' இறக்குமதி செய்கிறோம். கீழே, “read_json()” முறையைப் பயன்படுத்துகிறோம், மேலும் நாம் படிக்க விரும்பும் தரவின் பெயரை வைக்கிறோம். மேலே நாம் உருவாக்கிய கோப்பு இங்கே வைக்கப்பட்டுள்ளது, எனவே அந்த JSON கோப்பின் தரவைப் படிப்போம். இந்த “Read_json()” முறையில், “Marks.json” என்ற கோப்பின் பாதையை கடந்து செல்கிறோம், மேலும் இந்த செயல்பாட்டை “df” மாறிக்கு ஒதுக்குவோம். எனவே, இந்த JSON கோப்பைப் படித்த பிறகு, JSON கோப்பின் தரவு இந்த 'df' மாறியில் சேமிக்கப்படுகிறது. இப்போது, ​​அந்தத் தரவை “print()” ஐப் பயன்படுத்தி அச்சிடுகிறோம், மேலும் “df” மாறியுடன் “to_string()” முறையையும் சேர்க்கிறோம். இந்த “to_string()” முறை DataFrame ஐ அச்சிட உதவுகிறது. இது JSON கோப்பின் தரவை DataFrame வடிவத்தில் அச்சிடும்.

மேலே உள்ள JSON கோப்பில் சேமிக்கப்பட்டுள்ள தரவு இங்கே கீழே உள்ள டேட்டாஃப்ரேமாக வழங்கப்படுகிறது. JSON கோப்பின் அனைத்து தரவும் DataFrame ஆக மாற்றப்பட்டு வெளியீட்டில் காட்டப்படும் என்பதை நீங்கள் கவனிக்கலாம்.

எடுத்துக்காட்டு 02

“read_json()” முறையின் உதவியுடன் நாம் JSON சரத்தையும் படிக்கலாம். “pandas” ஐ இறக்குமதி செய்த பிறகு, நாம் இங்கே ஒரு சரத்தை உருவாக்கி, அந்த சரத்தை “my_str” மாறியில் சேமிக்கிறோம். நாங்கள் இங்கே உருவாக்கிய சரத்தில் “பொருள்” தரவு உள்ளது, மேலும் பாடத்தின் பெயரை “ஆங்கிலம்” என்று வைக்கிறோம். பின்னர் 'பணம்', அதாவது '25000', மேலும் '70 நாட்கள்' 'நாட்கள்' ஆகியவற்றை இங்கே சேர்க்கிறோம். இவை அனைத்திற்கும் பிறகு, நாங்கள் இங்கே '1000' என்ற 'தள்ளுபடி'யையும் சேர்க்கிறோம். JSON சரம் இங்கே முடிந்தது.

இப்போது, ​​'pandas' இன் 'read_json()' முறையைப் பயன்படுத்தி, இந்த JSON சரத்தைப் படிக்கிறோம், மேலும் சரம் சேமிக்கப்பட்டுள்ள மாறியின் பெயரை வைக்கிறோம். இந்த மாறியின் பெயர் “my_str,” மேலும் அதை “read_json()” முறையின் முதல் அளவுருவாக இங்கே சேர்க்கிறோம். இதற்குப் பிறகு, இங்கே 'ஓரியண்ட்' அளவுருவான மற்றொரு அளவுருவைச் சேர்த்து, அதை 'பதிவுகள்' என அமைக்கிறோம். பின்னர் இந்த “my_df” ஐ “print()” முறையில் சேர்க்கிறோம், எனவே இந்த குறியீட்டை இயக்கும்போது அது டெர்மினலில் ரெண்டர் செய்யும்.

JSON சரத்தைப் படித்த பிறகு நாம் பெறும் தரவு கீழே காட்டப்படும். இங்கே, டேட்டா ஃப்ரேமில் தரவு ரெண்டர் செய்யப்படுகிறது, அதை நாங்கள் எங்கள் குறியீட்டில் JSON சரமாக உள்ளிட்டுள்ளோம்.

எடுத்துக்காட்டு 03

நாங்கள் இங்கே மற்றொரு JSON சரத்தை உருவாக்குகிறோம். நீங்கள் சரத்தை ஒரே ஒரு வரியில் வைக்க வேண்டும் என்பதை நினைவில் கொள்ள வேண்டும். புதிய வரியில் சரத்தின் மீதமுள்ள தரவைச் சேர்த்தால், பிழை செய்தி ஏற்படும். எனவே, நீங்கள் முழு சரத்தையும் ஒரே வரியில் எழுத வேண்டும். இங்கே, JSON சரம் உருவாக்கப்பட்டு, 'ஸ்ட்ரிங்' மாறியில் சேமிக்கப்படுகிறது. பின்னர், “read_json()” முறையைப் பயன்படுத்தி JSON சரத்தைப் படிக்கிறோம். இந்த 'read_json()' முறையில் JSON சரம் சேமிக்கப்பட்டுள்ள 'சரத்தை' சேர்ப்போம். படித்த பிறகு, இந்த சரத்தை “JSON_Data” மாறியில் சேமிப்போம். இதற்குப் பிறகு, நாங்கள் “அச்சு()” ஐப் பயன்படுத்தி, அதில் “JSON_Data” ஐச் சேர்ப்போம், இது ரெண்டரிங் செய்ய உதவும்.

கீழே, DataFrame ரெண்டர் செய்யப்பட்டுள்ளது, மேலும் JSON சரத்தைப் படித்த பிறகு இந்த டேட்டாஃப்ரேமைப் பெற்றோம். எங்கள் குறியீட்டில் JSON சரமாக உள்ளிட்ட தேதி இங்கே DataFrame ஆக காட்டப்படும்.

எடுத்துக்காட்டு 04

இது எங்கள் JSON கோப்பு, மேலும் இந்த JSON கோப்பில் “read_json()” முறையைப் பயன்படுத்துவோம். இது இந்த JSON கோப்பில் உள்ள தரவைப் படித்து, இந்தத் தரவை DataFrame இல் வழங்கும்.

இப்போது, ​​'pandas' நூலகத்தின் 'read_json()' முறையைப் பயன்படுத்த வேண்டும் என்பதால், முதலில் நூலகத்தை 'இறக்குமதி' செய்ய வேண்டும். பாண்டாக்கள் 'pd' ஆக இறக்குமதி செய்யப்படுகின்றன. JSON கோப்பிலிருந்து தரவைப் படிக்கும் வகையில் மேலே காட்டிய கோப்பை நாங்கள் வைத்துள்ளோம். “Company.json” கோப்பின் பாதை “read_json()” முறைக்கு அனுப்பப்பட்டது, மேலும் இந்த செயல்பாடு “JSON_Rec” மாறிக்கும் ஒதுக்கப்படுகிறது. JSON கோப்பில் இருந்து வரும் தகவல், படித்த பிறகு “JSON_Rec” மாறியில் வைக்கப்படும். இப்போது, ​​“print()” ஐ வைத்து அதில் “JSON_Rec” ஐச் சேர்க்கிறோம்.

மேலே குறிப்பிட்டுள்ள JSON கோப்பில் உள்ள தரவு கீழே ஒரு DataFrame ஆக காட்டப்படும். JSON கோப்பில் இருந்து அனைத்து தரவும் மாற்றப்பட்ட ஒரு DataFrameஐ வெளியீடு காட்டுவதை நீங்கள் பார்க்கலாம்.

முடிவுரை

இந்த வழிகாட்டியில் “pandas” இன் “read_json()” முறையை விரிவாக விளக்கியுள்ளோம். 'read_json()' முறையின் தொடரியலை இங்கே வழங்கியுள்ளோம், மேலும் இந்த 'read_json()' முறையை எங்கள் 'pandas' குறியீட்டில் பயன்படுத்தியுள்ளோம். இங்கே “read_json()” முறையின் உதவியுடன் JSON சரத்தையும் JSON கோப்பையும் படித்துள்ளோம், மேலும் JSON கோப்பை எவ்வாறு உருவாக்குவது மற்றும் அந்த JSON கோப்பை எவ்வாறு படிப்பது என்பதை விளக்கியுள்ளோம். இந்த வழிகாட்டியில் 'read_json()' முறையின் உதவியுடன் JSON சரத்தை எவ்வாறு உருவாக்குவது மற்றும் JSON சரத்தை எவ்வாறு படிப்பது என்பதையும் விளக்கியுள்ளோம்.