下面介绍pandas库对json数据的处理：
read_json：从json文件中读取数据
to_json：将pandas中的数据写入到json文件中
json_normalize：对json数据进行规范化处理
https://geek-docs.com/pandas/pandas-read-write/pandas-reading-and-writing-json.html
read_json
首先看看
官网
中
read_json
的参数:
pandas.read_json(
path_or_buf=None,
orient=None,
typ='frame',
dtype=None,
convert_axes=None,
convert_dates=True,
keep_default_dates=True,
numpy=False,
precise_float=False,
date_unit=None,
encoding=None,
lines=False,
chunksize=None,
compression='infer',
nrows=None,
storage_options=None)
详细的参数解析可以参考文章：https://blog.csdn.net/qq_41562377/article/details/90203805
假设我们现在有一份json数据，如下图所示：
我们将上面的数据读取进来，由于数据是比较规范的，所以直接填写文件路径即可读取：
重点讲解下参数orient：
1、oriden='split'
split’ : dict like {index -> [index], columns -> [columns], data -> [values]}
json文件的key的名字只能为index,cloumns,data这三个，另外多一个key都不行，少一个也不行。举例说明：
2、orient='records'
‘records’ : list like [{column -> value}, … , {column -> value}]
3、orient='index'
dict like {index -> {column -> value}}
4、orient='columns'
dict like {column -> {index -> value}}
转置之后就是上面orient='index'的结果
5、orient='values'
‘values’ : just the values array
to_json
to_json方法就是将DataFrame文件保存成json文件：
df.to_json("个人信息.json")
如果按照上面的代码保存，中文是没有显示的：
当然我们可以通过json.load将json文件再次读取进行，显示中文，我们也可以直接在保存的时候显示中文：
df.to_json("个人信息1.json",force_ascii=False)
json_normalize
https://www.jianshu.com/p/a84772b994a0
上面介绍的json数据的保存和读取中json数据都是列表形式的；但是json文件中的数据通常不一定全部是列表形式，那么我们需要将字典结构的文件转成列表形式，这个过程就叫做规范化。
pandas中的json_normalize()函数能够将字典或列表转成表格，使用之前先进行导入：
from pandas.io.json import json_normalize
通过官网和一个实际的例子来同时进行学习，首先看看官网的例子：
1、层级字典通过属性的形式显示数据：
2、如果加入max_level参数则会显示不同的效果：
若max_level=0，则嵌套的字典会当做整体，显示在数据框中
若max_level=1，则嵌套的字典会被拆解，里面的键会被单独出来：
3、读取层级嵌套中的部分内容：
4、读取全部内容
json数据是工作中经常会遇到的一种数据格式，也是很重要的一种数据。
本文首先对json数据及格式进行了简介，重新认识json数据；其次，结合各种实际案例，将json和Python的各种数据类型，尤其是字典类型进行了转化；最后，重要讲解了json数据的读取、写入和规范化的操作
需要读者重点掌握5个包或者库或者方法：
import json
import demjson
pd.read_json
pd.to_json
from pandas.io.json import json_normalize
希望通过文章的讲解能够帮助读者搞定json数据😃
