Pyspark - 從 json 文件中獲取屬性名稱

Question

我是 pyspark 的新手。 我的要求是從嵌套的 json 文件中獲取/提取屬性名稱。 我嘗試使用從 Pandas 包導入的 json_normalize。 它適用於直接屬性，但從不獲取 json 數組屬性中的屬性。 我的 json 沒有靜態結構。 它因我們收到的每份文件而異。 有人可以幫我解釋下面提供的小例子嗎，

        {  
               "id":"1",
               "name":"a",
               "salaries":[  
                  {  
                     "salary":"1000"
                  },
                  {  
                     "salary":"5000"
                  }
               ],
               "states":{  
                  "state":"Karnataka",
                  "cities":[  
                     {  
                        "city":"Bangalore"
                     },
                     {  
                        "city":"Mysore"
                     }
                  ],
                  "state":"Tamil Nadu",
                  "cities":[  
                     {  
                        "city":"Chennai"
                     },
                     {  
                        "city":"Coimbatore"
                     }
                  ]
               }
            }  

特別是對於json數組元素..

預期輸出：id 名稱salary.salary states.state states.cities.city``

Answer 1

這是從 json 中提取所有嵌套屬性的另一種解決方案

import json

result_set = set([])


def parse_json_array(json_obj, parent_path):
    array_obj = list(json_obj)
    for i in range(0, len(array_obj)):
        json_ob = array_obj[i]
        if type(json_obj) == type(json_obj):
            parse_json(json_ob, parent_path)
    return None


def parse_json(json_obj, parent_path):
    for key in json_obj.keys():
        key_value = json_obj.get(key)
        # if isinstance(a, dict):
        if type(key_value) == type(json_obj):
            parse_json(key_value, str(key) if parent_path == "" else parent_path + "." + str(key))
        elif type(key_value) == type(list(json_obj)):
            parse_json_array(key_value, str(key) if parent_path == "" else parent_path + "." + str(key))
        result_set.add((parent_path + "." + key).encode('ascii', 'ignore'))
    return None



file_name = "C:/input/sample.json"
file_data = open(file_name, "r")
json_data = json.load(file_data)
print json_data

parse_json(json_data, "")
print list(result_set)

輸出：

{u'states': {u'state': u'Tamil Nadu', u'cities': [{u'city': u'Chennai'}, {u'city': u'Coimbatore'}]}, u'id': u'1', u'salaries': [{u'salary': u'1000'}, {u'salary': u'5000'}], u'name': u'a'}
['states.cities.city', 'states.cities', '.id', 'states.state', 'salaries.salary', '.salaries', '.states', '.name']

筆記：

My Python version: 2.7 

Answer 2

你也可以這樣做。

data = { "id":"1", "name":"a", "salaries":[ { "salary":"1000" }, { "salary":"5000" } ], "states":{ "state":"Karnataka", "cities":[ { "city":"Bangalore" }, { "city":"Mysore" } ], "state":"Tamil Nadu", "cities":[ { "city":"Chennai" }, { "city":"Coimbatore" } ] } }



def dict_ittr(lin,data):

    for k, v in data.items():
        if type(v)is list:
            for l in v:
               dict_ittr(lin+"."+k,l)
        elif type(v)is dict:
            dict_ittr(lin+"."+k,v)
            pass
        else:
            print lin+"."+k

dict_ittr("",data)

輸出

.states.state
.states.cities.city
.states.cities.city
.id
.salaries.salary
.salaries.salary
.name

Answer 3

如果您將 json 視為 python 字典，這應該可以工作。

我剛剛寫了一個簡單的遞歸程序。

腳本

import json

def js_r(filename):
    with open(filename) as f_in:
        return(json.load(f_in))

g = js_r("city.json")
answer_d = {}
def base_line(g, answer_d):
    for key in g.keys():
        answer_d[key] = {}
    return answer_d

answer_d = base_line(g, answer_d)
def recurser_func(g, answer_d):
    for k in g.keys():
        if type(g[k]) == type([]): #If the value is a list
            answer_d[k] = {list(g[k][0].keys())[0]:{}}

        if type(g[k]) == type({}): #If the value is a dictionary
            answer_d[k] = {list(g[k].keys())[0]: {}} #set key equal to 
            answer_d[k] = recurser_func(g[k], answer_d[k])
    return answer_d
recurser_func(g,answer_d)


def printer_func(answer_d, list_to_print, parent):
    for k in answer_d.keys():
        if len(answer_d[k].keys()) == 1:
            list_to_print.append(parent)
            list_to_print[-1] += k
            list_to_print[-1] += "." + str(list(answer_d[k].keys())[0])
        if len(answer_d[k].keys()) == 0:
            list_to_print.append(parent)
            list_to_print[-1] += k
        if len(answer_d[k].keys()) > 1:
            printer_func(answer_d[k], list_to_print, k + ".")
    return list_to_print



l = printer_func(answer_d, [], "")
final = " ".join(l)
print(final)

解釋

base_line制作了一個包含所有基本鍵的字典。

recursur_func檢查鍵的值是列表還是字典，然后根據需要添加到答案字典中，直到answer_d看起來像： {'id': {}, 'name': {}, 'salaries': {'salary': {}}, 'states': {'state': {}, 'cities': {'city': {}}}}

在調用這兩個函數之后，您在某種意義上擁有了一個鍵字典。 然后 printer_func 是一個遞歸函數，可以根據需要打印它。

筆記：

您的問題與此類似： 獲取嵌套字典的所有鍵，但由於您有一個嵌套列表/字典而不僅僅是一個嵌套字典，因此他們的答案對您不起作用，但有關該主題的討論更多詢問您是否需要更多信息

編輯 1

我的 python 版本是 3.7.1

我在頂部添加了一個 json 文件打開器。 我假設 json 名為 city.json 並且位於同一目錄中

編輯 2：更徹底的解釋

我發現處理數據的主要困難在於您可以擁有無​​限嵌套的列表和字典。 這使它變得復雜。 由於它是無限可能的嵌套，因此我認為這是一個遞歸問題。

所以，我建立了一個字典，代表您正在尋找的關鍵結構。 首先，我從基線開始。

base_line使{'id': {}, 'name': {}, 'salaries': {}, 'states': {}}這是一個空字典的字典。 我知道，當你打印。 每個關鍵結構（如states.state ）都以這些詞之一開頭。

遞歸

然后我使用recursur_func添加所有子鍵。 當給定字典g此函數 for 循環遍歷該字典中的所有鍵，並且（假設answer_d具有g具有的每個鍵），每個鍵都會將該鍵的子項添加到 answer_d。

如果孩子是一本字典。 然后我遞歸使用給定的字典g現在是與孩子有關的字典的子部分，而 answer_d 是與孩子有關的 answer_d 的子部分。