这是我在这里的第一篇文章,所以放轻松! :) 我正在尝试使用 Python Pandas 库将数据从 Excel 转换为 JSON。
我在 Excel 中有如下表所示的数据,详细列为“未命名:x”的列是空白的,我使用这些标题是因为它们在转换为 JSON 时是这样输出的。大约有 20 个测试格式如下所示:
我想将它们放入 JSON 中,看起来像这样:
{
"Test 1": [
"Menu":"Menu1",
"Setting":"Setting1",
"Value":"Value1",
]
}
等等……
我可以将当前代码转换为 JSON(但不是上面详述的格式,我一直在尝试在 Python 中创建不同的 Pandas 数据帧。目前我得到的 JSON 数据看起来像这样:
"3":[
{
"Unnamed: 0":"Test1",
"Unnamed: 1":"Menu",
"Unnamed: 2":"Setting",
"Unnamed: 2":"Value"
}
"4":[
{
"Unnamed: 1":"Menu1",
"Unnamed: 2":"Setting1",
"Unnamed: 2":"Value1"
}
所以我正在做一些手动工作(复制和粘贴)以将其设置为所需的格式。
这是我当前的代码:
import pandas
# Pointing to file location and specifying the sheet name to convert
excel_data_fragment = pandas.read_excel('C:\\Users\\user_name\\tests\\data.xls', sheet_name='Tests')
# Converting to data frame
df = pandas.DataFrame(excel_data_fragment)
# This will get the values in Column A and removes empty values
test_titles = df['Unnamed: 0'].dropna(how="all")
# This is the first set of test values
columnB = df['Unnamed: 1'].dropna(how="all")
# Saving original data in df and removing rows which contain all NaN values to mod_df
mod_df = df.dropna(how="all")
# Converting data frame with NaN values removed to json
df_json = mod_df.apply(lambda x: [x.dropna()], axis=1).to_json()
print(mod_df)
最佳答案
您的 Excel 工作表基本上由几个不同的子表组成(每个测试一个)。我在 pandas
中处理它们的方法是使用 groupby
然后将每个组作为一个表处理。 DataFrame.to_dict
将成为您输出支持 JSON 的对象的 friend 。
首先,这里是一些与您提供的内容相似的示例数据:
import pandas as pd
rows = [
[],
[],
["Test 1", "Menu", "Setting", "Value"],
[None, "Menu1", "Setting1", "Value1"],
[None, "Menu2", "Setting2", "Value2"],
[],
[],
["Test 2", "A", "B", "C"],
[None, 1, 2, 3],
[None, 4, 5, 6],
]
df = pd.DataFrame(rows, columns=[f"Unnamed: {i}" for i in range(1, 5)])
df
看起来像:
Unnamed: 1 Unnamed: 2 Unnamed: 3 Unnamed: 4
0 None None None None
1 None None None None
2 Test 1 Menu Setting Value
3 None Menu1 Setting1 Value1
4 None Menu2 Setting2 Value2
5 None None None None
6 None None None None
7 Test 2 A B C
8 None 1 2 3
9 None 4 5 6
然后使用下面的代码片段,它会清除 df
中所有缺失的值,并将每个子表变成一个 dict
。
# Remove entirely empty rows
df = df.dropna(how="all")
# Fill missing values in column 1
df["Unnamed: 1"] = df["Unnamed: 1"].fillna(method="ffill")
def process_group(g):
# Drop first column
g = g.drop("Unnamed: 1", axis=1)
# Use first row as column names
g = g.rename(columns=g.iloc[0])
# Drop first row
g = g.drop(g.index[0])
# Convert to dict
return g.to_dict(orient="records")
output = df.groupby("Unnamed: 1").apply(process_group).to_dict()
最后,输出
等于:
{
"Test 1": [
{
"Menu": "Menu1",
"Setting": "Setting1",
"Value": "Value1"
},
{
"Menu": "Menu2",
"Setting": "Setting2",
"Value": "Value2"
}
],
"Test 2": [
{
"A": 1,
"B": 2,
"C": 3
},
{
"A": 4,
"B": 5,
"C": 6
}
]
}
您最终可以通过简单地使用以下方法获取 JSON 字符串:
import json
output_str = json.dumps(output)
关于python - 在 Python 3.9 中使用 Pandas 将 Excel 转换为 JSON,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/67617183/