使用Python处理Json数据----pandas之json数据预处理

在大数据中常常需要对非结构化数据进行处理,包括经常使用的json格式,因此可以先转化为python对象,清洗,提取后再使用pandas处理.

目标文件:文件夹中有多个文件记录 用户访问网站信息,文件为json格式,且多个层级嵌套:{"hits":[{"type":"","id":"","source":{"url":"","uesrname":""}},{...},{...}]}

需求:提取username,userid,time,url,保存到csv格式文件

分析:关键是解析json格式的内容,

1. 处理json格式文件;
2. 提取需要的字段和值;
3. 转换为DataFrame;
4. 保存目标格式:csv,excel,....

代码逻辑:

import os
import json
import pandas as pd

path = r'...\\hits'
result = []    #保存点击记录 用户信息,后面给到pandas使用
#循环取每个文件中的信息
for file in os.listdir(path=path):
    f_path = path+'\\\\'+file
    #读取每个文件json数据
    with open(f_path,'r',encoding='utf8') as f:
        temp_dict = json.load(f)
        for ele_list in temp_dict["hits"]:
            r_dict = {...}    #临时字典保存取出的字段值
            ....    #取出需要的字段值,追加到result中