JSON-grunderna med Tablesaw

Importera data i Java

Anthony Markham

VP Quant Developer

Introduktion till JSON

JSON: JavaScript Object Notation
- Lättviktigt datautbytesformat
- Standardformat för webb-API:er
- Nyckel-värde-struktur

Tabelldata

Fasta rader och kolumner
Tabulär: Enhetliga datatyper

| Name  | Age | City    |
|-------|-----|---------|
| Alice | 30  | Boston  |
| Bob   | 25  | Seattle |

JSON

Flexibla nästlade strukturer
Blandade datatyper och hierarkier

[
  {"name": "Alice", 
      "age": 30, 
      "address": {"city": "Boston", 
                  "state": "MA"}},
  {"name": "Bob", 
      "age": 25, 
      "address": {"city": "Seattle", 
                  "state": "WA"}}
]

Läsa JSON

Används bara för enkla JSON-filer

// Simple method to read a JSON file
Table products = Table.read().file("products.json");

import tech.tablesaw.io.json.JsonReader;
import tech.tablesaw.io.json.JsonReadOptions;

Erbjuder ytterligare konfiguration

// Reading a JSON file using JsonReadOptions
JsonReadOptions options = JsonReadOptions.builder("products.json").build();

Table products = new JsonReader().read(options);

Komma åt JSON-data

Välbekanta Tablesaw-metoder fungerar

// Access columns from JSON data
StringColumn names = table.stringColumn("name");
DoubleColumn prices = table.doubleColumn("price");


// Perform calculations
double avgPrice = prices.mean();
String mostExpensive = table
    .where(prices.isEqualTo(prices.max()))
    .stringColumn("name").get(0);

JSON-praxis – validering

Validera JSON-strukturen innan bearbetning

// Validation and error handling
try {
    JsonReadOptions options = JsonReadOptions.builder("data.json").build();
    Table data = new JsonReader().read(options);
    if (data.rowCount() > 0) {
        // Process data
    }
} catch (Exception e) {
    System.err.println("Error reading JSON: " + e.getMessage());
}

if (data.rowCount() == 100) {
    System.out.println("Table has exactly 100 rows - processing data");
}

JSON-praxis – saknade värden

Hantera saknade/null-värden

// Remove rows with any missing values
data = data.dropRowsWithMissingValues();

Matcha datatyper med analysbehovet

// Convert integer column to double for calculations
data = data.replaceColumn("price", data.intColumn("price").asDoubleColumn());

Nu kör vi en övning!

Importera data i Java