dask_expr.read_json
dask_expr.read_json¶
- dask_expr.read_json(url_path, orient='records', lines=None, storage_options=None, blocksize=None, sample=1048576, encoding='utf-8', errors='strict', compression='infer', meta=None, engine=<function read_json>, include_path_column=False, path_converter=None, **kwargs)[源代码]¶
从一组JSON文件创建一个数据框
这使用了
pandas.read_json()，并且大多数参数是直接传递的 - 请参阅其文档字符串。差异：默认情况下，orient 为 ‘records’，并设置 lines=True；这适用于行分隔的“JSON-lines”数据，这种类型的 JSON 输出在大数据场景中最常见，并且在读取时可以分块（参见
read_json()）。所有其他选项都需要设置 blocksize=None，即每个输入文件一个分区。- 参数
- url_path: str, list of str
读取位置。如果是字符串，可以包含通配符来查找一组文件名。支持协议规范，例如
"s3://"。- 编码, 错误:
要实现的文本编码，例如“utf-8”，以及如何在转换中处理错误（参见
str.encode()）。- orient, lines, kwargs
传递给 pandas；如果未指定，当 orient=’records’ 时，lines=True，否则为 False。
- storage_options: dict
传递给后端文件系统实现
- blocksize: None 或 int
如果为 None，文件不会被阻塞，每个输入文件对应一个分区。如果为 int，这只能用于行分隔的 JSON 文件，每个分区的大小将大约为此字节数，以最近的换行符为准。
- 示例: int
预加载的字节数，为没有数据的块提供一个空的数据框结构。仅在使用块大小时相关。
- 编码, 错误:
文本转换，
参见 bytes.decode()- 压缩字符串或无
类似 ‘gzip’ 或 ‘xz’ 的字符串。
- 引擎 : 可调用对象或字符串, 默认
pd.read_json可调用对象或字符串，默认 dask 用于读取 JSON 文件的底层函数。默认情况下，这将是 pandas 的 JSON 读取器（
pd.read_json）。如果指定了一个字符串，该值将作为engine关键字参数传递给 ``pd.read_json``（仅支持 pandas>=2.0）。- include_path_column布尔值或字符串，可选
在数据框中包含一个列，显示每行数据来源的文件路径。如果
True，则在数据框中添加一个名为path的新列。如果为str，则设置新列的名称。默认值为False。- 路径转换器函数或无，可选
一个接受一个参数并返回字符串的函数。用于转换
path列中的路径，例如，从所有路径中去除一个共同的前缀。- metapd.DataFrame, pd.Series, dict, iterable, tuple, optional
一个空的
pd.DataFrame或pd.Series，其数据类型和列名与输出匹配。此元数据对于 dask dataframe 中的许多算法正常工作是必要的。为了便于使用，还提供了一些替代输入。除了DataFrame之外，还可以提供{name: dtype}的字典或(name, dtype)的可迭代对象（注意名称的顺序应与列的顺序匹配）。除了系列之外，还可以使用(name, dtype)的元组。如果未提供，dask 将尝试推断元数据。这可能会导致意外结果，因此建议提供meta。有关更多信息，请参阅dask.dataframe.utils.make_meta。
- 返回
- dask.DataFrame
示例
加载单个文件
>>> dd.read_json('myfile.1.json')
加载多个文件
>>> dd.read_json('myfile.*.json')
>>> dd.read_json(['myfile.1.json', 'myfile.2.json'])
使用大约256MB大小的分区加载大型行分隔的JSON文件
>> dd.read_json(‘data/file*.csv’, blocksize=2**28)