JSON-Beispiel#

JSON (kurz für JavaScript Object Notation) hat sich zu einem der Standardformate für die Übermittlung von Daten per HTTP-Anfrage zwischen Webbrowsern und anderen Anwendungen entwickelt. Hier ist ein Beispiel:

[1]:

books = """
[
    {
        "Titel": "Python basics",
        "Sprache": "en",
        "Autor*innen": "Veit Schiele",
        "Lizenz": "BSD-3-Clause",
        "Veröffentlichungsdatum": "2021-10-28"
    },
    {
        "Titel": "Jupyter Tutorial",
        "Sprache": "en",
        "Autor*innen": "Veit Schiele",
        "Lizenz": "BSD-3-Clause",
        "Veröffentlichungsdatum": "2019-06-27"
    }
]
"""

JSON ähnelt Python-Code, mit Ausnahme des Nullwerts null und dem Verbot von Kommas am Ende von Listen. Die Grundtypen sind Objekte (Dicts), Arrays (Listen), Zeichenketten, Zahlen, Boolesche Werte und null. Alle Schlüssel eines Objekts müssen Zeichenketten sein. Es gibt mehrere Python-Bibliotheken zum Lesen und Schreiben von JSON-Daten. Ich werde hier json aus der Python-Standardbibliothek verwenden. Um einen JSON-String in die Python-Form zu konvertieren, verwende ich json.loads:

[2]:

import json

results2 = json.loads(books)

results2

[2]:

[{'Titel': 'Python basics',
  'Sprache': 'en',
  'Autor*innen': 'Veit Schiele',
  'Lizenz': 'BSD-3-Clause',
  'Veröffentlichungsdatum': '2021-10-28'},
 {'Titel': 'Jupyter Tutorial',
  'Sprache': 'en',
  'Autor*innen': 'Veit Schiele',
  'Lizenz': 'BSD-3-Clause',
  'Veröffentlichungsdatum': '2019-06-27'}]

json.dumps hingegen konvertiert ein Python-Objekt zurück nach JSON:

[3]:

json.dumps(results2)

[3]:

'[{"Titel": "Python basics", "Sprache": "en", "Autor*innen": "Veit Schiele", "Lizenz": "BSD-3-Clause", "Ver\\u00f6ffentlichungsdatum": "2021-10-28"}, {"Titel": "Jupyter Tutorial", "Sprache": "en", "Autor*innen": "Veit Schiele", "Lizenz": "BSD-3-Clause", "Ver\\u00f6ffentlichungsdatum": "2019-06-27"}]'

Wie ihr ein JSON-Objekt oder eine Liste von Objekten in einen DataFrame oder eine andere Datenstruktur für die Analyse konvertiert, bleibt euch überlassen. Praktischerweise könnt ihr eine Liste von Dicts (die zuvor JSON-Objekte waren) an den DataFrame-Konstruktor übergeben:

[4]:

import pandas as pd

df = pd.DataFrame(results2)

df

[4]:

	Titel	Sprache	Autor*innen	Lizenz	Veröffentlichungsdatum
0	Python basics	en	Veit Schiele	BSD-3-Clause	2021-10-28
1	Jupyter Tutorial	en	Veit Schiele	BSD-3-Clause	2019-06-27

pandas.read_json kann JSON-Datensätze in bestimmten Anordnungen automatisch in eine Serie oder einen DataFrame umwandeln, z.B.:

[5]:

pd.read_json('books.json')

[5]:

	Titel	Sprache	Autor*innen	Lizenz	Veröffentlichungsdatum
0	Python basics	en	Veit Schiele	BSD-3-Clause	2021-10-28
1	Jupyter Tutorial	en	Veit Schiele	BSD-3-Clause	2019-06-27
2	Jupyter Tutorial	de	Veit Schiele	BSD-3-Clause	2020-10-26
3	PyViz Tutorial	en	Veit Schiele	BSD-3-Clause	2020-04-13

Die Standardoptionen für pandas.read_json gehen davon aus, dass jedes Objekt im JSON-Array eine Zeile in der Tabelle ist.

Wenn ihr Daten aus pandas in JSON exportieren wollt, könnt ihr pandas.DataFrame.to_json verwenden:

[6]:

print(df.to_json())

{"Titel":{"0":"Python basics","1":"Jupyter Tutorial"},"Sprache":{"0":"en","1":"en"},"Autor*innen":{"0":"Veit Schiele","1":"Veit Schiele"},"Lizenz":{"0":"BSD-3-Clause","1":"BSD-3-Clause"},"Ver\u00f6ffentlichungsdatum":{"0":"2021-10-28","1":"2019-06-27"}}

[7]:

print(df.to_json(orient='records'))

[{"Titel":"Python basics","Sprache":"en","Autor*innen":"Veit Schiele","Lizenz":"BSD-3-Clause","Ver\u00f6ffentlichungsdatum":"2021-10-28"},{"Titel":"Jupyter Tutorial","Sprache":"en","Autor*innen":"Veit Schiele","Lizenz":"BSD-3-Clause","Ver\u00f6ffentlichungsdatum":"2019-06-27"}]