Python 删除json时删除空值

我有一个熊猫数据框，我想把它保存成json格式。 从熊猫文档中可以看出：

注意NaN、NaT和None将转换为null和datetime 对象将根据日期\格式和日期\单位进行转换 参数

然后使用orient选项

records

我得到了类似的结果

[{"A":1,"B":4,"C":7},{"A":null,"B":5,"C":null},{"A":3,"B":null,"C":null}]

是否可以改为：

[{"A":1,"B":4,"C":7},{"B":5},{"A":3}]'

---

谢谢

以下内容接近您想要的内容，本质上我们创建了一个非NaN值列表，然后调用

来处理此问题：

In [136]:
df.apply(lambda x: [x.dropna()], axis=1).to_json()

Out[136]:
'{"0":[{"a":1.0,"b":4.0,"c":7.0}],"1":[{"b":5.0}],"2":[{"a":3.0}]}'

此处需要创建列表，否则它将尝试将结果与原始df形状对齐，这将重新引入
NaN
值，这是您想要避免的：

In [138]:
df.apply(lambda x: pd.Series(x.dropna()), axis=1).to_json()

Out[138]:
'{"a":{"0":1.0,"1":null,"2":3.0},"b":{"0":4.0,"1":5.0,"2":null},"c":{"0":7.0,"1":null,"2":null}}'

同时，对
dropna
的结果调用
list
，将用形状广播结果，如填充：

In [137]:
df.apply(lambda x: list(x.dropna()), axis=1).to_json()

Out[137]:
'{"a":{"0":1.0,"1":5.0,"2":3.0},"b":{"0":4.0,"1":5.0,"2":3.0},"c":{"0":7.0,"1":5.0,"2":3.0}}'

我遇到了同样的问题，我的解决方案是使用json模块而不是pd.DataFrame.to_json（）

我的解决办法是

将DataFrame转换为dict时删除NaN值，然后
使用json.dumps（）将dict转换为json
代码如下：

import pandas as pd
import json
from pandas import compat

def to_dict_dropna(df):
   return {int(k): v.dropna().astype(int).to_dict() for k, v in compat.iteritems(df)}

json.dumps(to_dict_dropna(df))

上述解决方案实际上不会产生“记录”格式的结果。此解决方案还使用json包，但生成的结果与原始问题中要求的结果完全相同

import pandas as pd
import json

json.dumps([row.dropna().to_dict() for index,row in df.iterrows()])

此外，如果希望包含索引（并且您使用的是Python 3.5+），可以执行以下操作：

json.dumps([{'index':index, **row.dropna().to_dict()} for index,row in df.iterrows()])

在写JSON之前，你能不能先
dropna
清除空值？@katrielex我认为这比这更复杂，dropna会删除行或列，OP询问是否可以删除单个元素，这样最终的json甚至没有相应的条目element@EdChum是的，你是对的。我能想到的唯一一件事就是为每行生成dirct，在其中可以删除
NaN
值，或者解析json dict并去掉条目，我认为dfs不允许表单中每行的维度不同。考虑到这一点，您可以为不包含NaN值的每一行创建一个dict，然后在该列上调用
to_json
，让我试试这个
df.apply（lambda x:[x.dropna（）]，axis=1）
接近您想要的？谢谢，它可以工作，但对于orient options，列标签不会显示，因为它假设您的输入是series类型对不起，您是说
df.apply（lambda x:[x.dropna（）]，axis=1）。to_json（orient='columns'））
不起作用，或者它没有给你想要的输出？它起作用，但是在我将“orient options”设置为“records”的情况下，它没有给你想要的输出是的，这是一个棘手的问题，对此无能为力。正如我所说的，另一件事是对结果dict进行后期处理，并删除嵌套dict中具有空条目的条目，这是一种非常好的方法！这帮助我在一行中将一个高度稀疏的数据透视表变成了一个不支持SQL的插入：）这真是天才。熊猫应该有这个选择。非常感谢。