Contoh #01
Kami akan mendemonstrasikan dalam praktik bagaimana menggunakan metode “to_json()” dari “pandas” untuk mengubah DataFrame “pandas” ke format JSON. Paket 'pandas' diimpor di sini, yang merupakan 'numpy,' dan kami mengimpornya sebagai 'np'. Sekarang, untuk mengeksekusi kode “pandas”, paket panda harus diimpor. Untuk mengimpor paket tersebut, kami menggunakan kata kunci “impor”. Kemudian, kita set “pandas as pd”, yang berarti kita dapat dengan mudah mengakses atau menggunakan “paket pandas” yang kita butuhkan hanya dengan meletakkan “pd” di sana.
Kami membuat array numpy di sini dengan memanfaatkan 'np. array”, “np” ini membantu kita dalam mengakses fungsi library numpy. Array numpy ini juga disimpan dalam variabel 'New_data', dan kami menempatkan 'A, B, C, D' dan 'E, F, G, H' ke array numpy ini. Array numpy ini sekarang dikonversi ke DataFrame dengan menggunakan metode 'pd.DataFrame'. Ini adalah metode 'pandas' yang kami akses di sini dengan menempatkan 'pd'. Saat kita mengonversi array numpy ini ke dalam DataFrame, maka kita juga memasukkan nama kolomnya.
Nama yang kita tambahkan di sini sebagai header kolom adalah “col1, col2, col3, dan col4”. Kemudian Anda melihat bahwa kami memiliki 'cetak' di bawah ini di mana kami menetapkan nama DataFrame, yang dalam hal ini adalah 'New_dataFrame', jadi ini akan dirender pada eksekusi kode ini. Sekarang, kami mengonversi DataFrame ini ke dalam format JSON dengan menggunakan metode “to_json()”. Kami menetapkan nama DataFrame 'New_dataFrame' dengan metode 'to_json()' dan juga menempatkan metode ini di variabel 'New_json'. Di sini, kami tidak meneruskan parameter apa pun ke metode 'to_json()' ini. Format JSON dari DataFrame sekarang ditempatkan di 'cetak' dan juga akan dirender di konsol.
Untuk kompilasi dan eksekusi kode ini, kami menekan 'Shift+Enter' dan jika kode bebas kesalahan, maka output akan ditampilkan. Di sini kami juga menempelkan hasil dari kode ini di mana kami telah menunjukkan DataFrame yang telah kami buat dalam contoh ini dan juga format JSON dari DataFrame itu.
Contoh #02
Disini kita mengimport satu library saja yaitu “pandas” dan kemudian dibuat list “AtoZ_Courses”, dan kita menempatkan beberapa list di dalamnya, yaitu “Python, 29000, 35 days, and 10000.0”, lalu kita masukkan “ JavaScript, 27000, 55 hari, dan 2300.0”, setelah itu, kami menambahkan “HTMLCSS, 25000, 25 hari, dan 1500,0”. Sekarang, kami juga memasukkan dua data lagi sebagai 'DataBase, 24000, 45 hari, dan 1500,0', dan 'OOP, 21000, 35 hari, 1500,0' juga. Daftar 'AtoZ_Courses' sekarang diubah di DataFrame, dan kami menamakannya 'AtoZ_Courses_df'. “Nama_Kursus, Pembayaran, Durasi, dan Bonus” ditambahkan di sini sebagai nama kolom DataFrame.
Sekarang, DataFrame dihasilkan pada langkah ini, dan kami menambahkannya dalam pernyataan “print()” untuk menampilkannya di terminal. Sekarang, dengan menggunakan metode “to_json()”, kita mengubah DataFrame “AtoZ_Courses_df” ke dalam format JSON. Metode “to_json()” ini juga diberikan parameter yaitu “orient= kolom”, yang juga merupakan parameter default. Ini menampilkan DataFrame sebagai dict sebagai '{nama kolom -> {nilai indeks -> nilai kolom}} format'.
Di sini, dalam format JSON, ini menampilkan nama kolom dan kemudian menempatkan semua nilai kolom itu bersama dengan nilai indeks. Pertama, itu menyebutkan nama kolom pertama, dan kemudian semua nilai kolom pertama diberikan bersama dengan nilai indeks, dan kemudian menempatkan nama kolom kedua dan juga semua nilai kolom kedua dengan indeks dan seterusnya.
Contoh #03
DataFrame dihasilkan dalam kode ini dengan nama 'Bachelors_df'. Kami telah memasukkan lima kolom ke 'Bachelors_df' ini. Kolom pertama yang kita miliki di sini adalah kolom 'Student', dan kita memasukkan 'Lily, Smith, Bromley, Milli, dan Alexander' di dalamnya. Kolom yang muncul selanjutnya adalah kolom “Gelar”, yang berisi “IT, BBA, English, CS, dan DVM”. Kemudian 'year_of_joining' muncul di mana kami menambahkan tahun bergabung siswa, yaitu '2015, 2018, 2017, 2015, dan 2014'.
Kolom di sebelah kolom ini adalah “tahun_kelulusan”, yang berisi tahun kelulusan siswa tersebut adalah “2019, 2022, 2021, 2019, dan 2018”. Kami juga menambahkan kolom 'CGPA' di sini di mana kami menempatkan CGPA siswa '3.3, 3.5, 3.6, 3.7, dan 3.8'. Untuk menampilkan 'Bachelors_df' di terminal, kami memasukkannya ke dalam ekspresi 'print()'. Sekarang, kita mengubah DataFrame ” Bachelors_df ” ke dalam format JSON menggunakan metode “to_json()”.
Parameter “orient= records” juga diteruskan ke metode “to_json()” ini dalam kode ini. “orient= records” ini akan menampilkan format JSON sebagai bentuk “[{column name -> column value}, … , {column name -> column value}]”. Format JSON DataFrame sekarang diatur ke 'cetak', dan itu juga akan ditampilkan di terminal.
DataFrame hanya ditampilkan di sini dalam bentuk kolom dan baris, tetapi dalam format JSON, Anda dapat melihat bahwa itu menempatkan nama kolom dan kemudian menampilkan nilai kolom itu; setelah menampilkan nilai satu kolom, ia mencetak nama kolom kedua dan kemudian memasukkan nilai kolom itu dan seterusnya karena kami menetapkan parameter metode 'to_josn' sebagai 'orient= record'.
Contoh #04
Kami membuat array numpy 'My_data' di mana kami memasukkan '2, 4' dan '6, 8'. Kemudian ubah array numpy menjadi DataFrame 'My_dataFrame' dan atur nama kolomnya sebagai 'A1 dan A2'. Sekarang, setelah menampilkan DataFrame di sini dengan menggunakan 'print'. Kami menggunakan metode 'to_json()' terlebih dahulu tanpa parameter apa pun dan menampilkannya. Setelah ini, kami mengatur parameter metode “to_json()” ke “orient=split” dan juga mencetak format ini. Kemudian kita menerapkan “to_josn()” lagi ke “My_dataFrame” dan kali ini, kita melewati “orient=records” sebagai parameter dari fungsi ini.
Di bawah ini, kami menempatkan 'orient= index' dengan 'My_dataFrame' dan membuat format JSON ini. Setelah parameter ini, kita kembali menggunakan “to_json” dengan parameter “orient = column” dan merendernya juga. Kemudian kita melewatkan “orient= values” sebagai parameter dari metode “to_json()” dan menerapkannya ke “My_dataFrame”. Kami juga mengatur parameter fungsi ini ke “orient= table” dan menggunakannya kembali dengan DataFrame yang sama dan juga menampilkan format JSON ini. Sekarang, kami akan mencatat perbedaan antara format JSON dalam output kode ini.
Di sini, Anda dapat dengan mudah menemukan perbedaan antara format JSON, yang telah kami terapkan pada DataFrame yang sama. Semua parameter yang telah kita lewati dalam metode “to_json” muncul dalam format yang berbeda di sini.
Kesimpulan
Panduan ini menunjukkan format JSON dan telah menjelaskan format JSON ini secara mendetail dan cara mengonversi panda DataFrame menjadi JSON. Kami telah menjelaskan bahwa metode “to_json()” digunakan untuk mengonversi panda DataFrame ke format JSON. Kami juga telah membahas parameter yang berbeda, yang telah kami berikan ke metode “to_json()” di sini. Kami telah menyediakan panduan lengkap di mana kami telah menggunakan metode 'to_json()' dengan meletakkan semua parameter yang mungkin ke metode 'to_json()' ini dalam kode 'pandas' kami dan juga menunjukkannya di output bagaimana parameter ini mengubah format dari JSON.