Python Can'；t调用“数据透视框架上的json:returns”；ValueError:标签数组大小与相应的数据形状不匹配；

我有一个包含传感器时间序列数据的数据库。我想在前端使用的图形库要求将数据重塑为每个传感器的一列，而不是数据集中的垂直格式：

>>> for d in dataset: print d                                                   
...
[datetime.datetime(2014, 9, 26, 0, 56, 0, 598000), u'motion', 0.0]
[datetime.datetime(2014, 9, 26, 0, 56, 7, 698000), u'motion', 1.0]
[datetime.datetime(2014, 9, 26, 0, 58, 20, 298000), u'motion', 0.0]
[datetime.datetime(2014, 9, 26, 2, 21, 27, 893000), u'door', 0.0]
[datetime.datetime(2014, 9, 26, 2, 21, 37, 793000), u'door', 1.0]
[datetime.datetime(2014, 9, 26, 2, 21, 53, 893000), u'door', 0.0]

在stackoverflow和pandas文档的帮助下（谢谢！）我找到了数据透视的方法：

>>> import pandas as pd
>>> pd.__version__
'0.14.1'
>>>
>>> df = pd.DataFrame(dataset, columns=['tstamp', 'tag', 'value'])              
>>> dfp = df.pivot('tstamp', 'tag')
>>> dfp
                                 value
tag                         door  motion
tstamp
2014-09-26 00:56:00.598000         NaN            0
2014-09-26 00:56:07.698000         NaN            1
2014-09-26 00:58:20.298000         NaN            0
2014-09-26 02:21:27.893000           0          NaN
2014-09-26 02:21:37.793000           1          NaN
2014-09-26 02:21:53.893000           0          NaN
>>>

现在我一直在尝试用JSON输出数据：

>>> dfp.to_json()
Traceback (most recent call last):
  File "<console>", line 1, in <module>
  File "/var/www/environment/default/local/lib/python2.7/site-packages/pandas/core/generic.py", line 853, in to_json
    default_handler=default_handler)
  File "/var/www/environment/default/local/lib/python2.7/site-packages/pandas/io/json.py", line 34, in to_json
    date_unit=date_unit, default_handler=default_handler).write()
  File "/var/www/environment/default/local/lib/python2.7/site-packages/pandas/io/json.py", line 77, in write
    default_handler=self.default_handler)
ValueError: Label array sizes do not match corresponding data shape

---

但是我不确定下一步该怎么办。

透视图正在制作一个列具有多索引的数据帧。由于所有列的顶层

值

，都是相同的，您可以简单地删除它：

dfp.columns = dfp.columns.droplevel(0)

然后调用

到_json

工作：

In [20]: dfp.to_json()
Out[20]: '{"door":{"1411692960598":null,"1411692967698":null,"1411693100298":null,"1411698087893":0.0,"1411698097793":1.0,"1411698113893":0.0},"motion":{"1411692960598":0.0,"1411692967698":1.0,"1411693100298":0.0,"1411698087893":null,"1411698097793":null,"1411698113893":null}}'

---

或者，更好的是，在调用

pivot

时指定

values

列：

In [26]: dfp = df.pivot(index='tstamp', columns='tag', values='value'); dfp
Out[26]: 
tag                         door  motion
tstamp                                  
2014-09-26 00:56:00.598000   NaN       0
2014-09-26 00:56:07.698000   NaN       1
2014-09-26 00:58:20.298000   NaN       0
2014-09-26 02:21:27.893000     0     NaN
2014-09-26 02:21:37.793000     1     NaN
2014-09-26 02:21:53.893000     0     NaN

---

现在调用

到_json

就可以了，因为columns索引是平面的。

这就行了！我发现为了保持所需的

tstamp

方向，我可以使用

dfp.to_json（orient='index'）

。我想知道是否有一种方法可以直接使用json而不是pivot？谢谢你的补充建议。更好的是，pivot将列值更改为列标签。没有一个

orient

选项（分割、记录、索引、列、值）能做到这一点，所以我认为您需要调用pivot。

In [26]: dfp = df.pivot(index='tstamp', columns='tag', values='value'); dfp
Out[26]: 
tag                         door  motion
tstamp                                  
2014-09-26 00:56:00.598000   NaN       0
2014-09-26 00:56:07.698000   NaN       1
2014-09-26 00:58:20.298000   NaN       0
2014-09-26 02:21:27.893000     0     NaN
2014-09-26 02:21:37.793000     1     NaN
2014-09-26 02:21:53.893000     0     NaN