Introduction à JSON

Ingestion de données rationalisée avec pandas

Amany Mahfouz

Instructor

Javascript Object Notation (JSON)

Format Web courant
Non tabulaire
- Les enregistrements n'ont pas tous besoin des mêmes attributs
Données organisées en collections d'objets
Les objets sont des paires attribut‑valeur
JSON imbriqué : des objets dans des objets

Lire des données JSON

read_json()
- Accepte un chemin vers un JSON ou des données JSON sous forme de chaîne
- Précisez les types avec l'argument dtype
- Argument orient pour signaler des dispositions JSON moins courantes
  - valeurs possibles dans la doc de pandas

Orientation des données

Les données JSON ne sont pas tabulaires
- pandas déduit comment les mettre en table
pandas gère automatiquement les orientations courantes

Orientation par enregistrement

Disposition JSON la plus courante

[
  {
      "age_adjusted_death_rate": "7.6",
      "death_rate": "6.2",
      "deaths": "32",
      "leading_cause": "Accidents Except Drug Posioning (V01-X39, X43, X45-X59, Y85-Y86)",
      "race_ethnicity": "Asian and Pacific Islander",
      "sex": "F",
      "year": "2007"
  },
  {
      "age_adjusted_death_rate": "8.1",
      "death_rate": "8.3",
      "deaths": "87",
      ...

Orientation par colonne

Plus économe en espace que l'orientation par enregistrement

{
  "age_adjusted_death_rate": {
      "0": "7.6",
      "1": "8.1",
      "2": "7.1",
      "3": ".",
      "4": ".",
      "5": "7.3",
      "6": "13",
      "7": "20.6",
      "8": "17.4",
      "9": ".",
      "10": ".",
      "11": "19.8",
      ...

Spécifier l'orientation

Données orientées « split » – nyc_death_causes.json

{
  "columns": [
      "age_adjusted_death_rate",
      "death_rate",
      "deaths",
      "leading_cause",
      "race_ethnicity",
      "sex",
      "year"
  ],
  "index": [...],
  "data": [
      [
          "7.6",

Spécifier l'orientation

import pandas as pd

death_causes = pd.read_json("nyc_death_causes.json",
                            orient="split")

print(death_causes.head())

  age_adjusted_death_rate death_rate deaths             leading_cause              race_ethnicity sex  year
0                     7.6        6.2     32  Accidents Except Drug...  Asian and Pacific Islander   F  2007
1                     8.1        8.3     87  Accidents Except Drug...          Black Non-Hispanic   F  2007
2                     7.1        6.1     71  Accidents Except Drug...                    Hispanic   F  2007
3                       .          .      .  Accidents Except Drug...          Not Stated/Unknown   F  2007
4                       .          .      .  Accidents Except Drug...       Other Race/ Ethnicity   F  2007

[5 rows x 7 columns]

Passons à la pratique !

Ingestion de données rationalisée avec pandas