python - 将 Pandas DataFrame 保存为 JSON 字符串

Question

我意识到这似乎是一个已经在这里提出的问题，但似乎没有一个解决方案有效。我从一本看起来像这样的字典开始:

{'2016-05-08': 1, '2016-05-09': nan, '2016-05-05': nan, '2016-05-06': nan, '2016-05-07': nan, '2016-05-11': nan, 'address': '<email address>, '2016-05-12': nan, '2016-05-10': nan}

我将此数据读入 pandas DataFrame，如下所示:

address date1 date2 date3 date4 date5 date6 date7
<email> NaN NaN NaN 1 NaN NaN NaN

然后，我使用以下方法来计算平均值和标准差并将它们添加到 DataFrame 中:

mean = pd.Series(df.mean(axis=1), index=df.index)
std = pd.Series(df.std(axis=1), index=df.index)
df = pd.concat([df, mean, std], axis=1)

当我 print df ，看起来应该如此。但是，当我使用此方法将 DataFrame 写入 JSON 字符串时，df.to_json(<path to file>) ，它在我的 JSON 文件中获取原始字典。我想要一个包含所有数据的 JSON 字符串，其中包含 JSON 数据中的标准差和均值，我该怎么做？

Answer 1

如果您的摘要列为您提供了所需的数据，请将这些列添加到数据框中。

尝试

df['std'] = pd.Series(df.std(axis=1), index=df.index)

df['mean'] = pd.Series(df.mean(axis=1), index=df.index)

然后导出为 JSON。

编辑:好的，我发现您现在看到它可以与 print df 一起使用，抱歉)。

我无法重现您的结果。这就是我所拥有的:

import pandas as pd

d = {'2016-05-08': 1, '2016-05-09': float('nan'), '2016-05-05': float('nan'), '2016-05-06': float('nan'), '2016-05-07': float('nan'), '2016-05-11': float('nan'), 'address': '<email address>', '2016-05-12': float('nan'), '2016-05-10': float('nan')}

df = pd.DataFrame(d, index=[0])

mean = pd.Series(df.mean(axis=1), index=df.index)
std = pd.Series(df.std(axis=1), index=df.index)
df = pd.concat([df, mean, std], axis=1)

df.to_json('correctoutput.txt')

这是带有输出的 json:

http://www.jsoneditoronline.org/?id=c0b29191d89fba8b593e29009af4f382