如何從 pandas df 生成帶有嵌套字典的 json 文件？

Question

我需要從 pandas dataframe 生成具有特定格式的 json 文件。 dataframe 看起來像這樣：

用戶身份	product_id	日期
1	23	01-01-2022
1	24	05-01-2022
2	56	05-06-2022
3	23	02-07-2022
3	24	01-02-2022
3	56	02-01-2022

並且 json 文件需要具有以下格式：

{
  "user_id": 1,
  "items": [{
        "product_id": 23,
        "date": 01-01-2022
        }, {
        "product_id": 24,
        "date": 05-01-2022
        }]
}
{
 "userid": 2,
 "items": [{
        "product_id": 56,
        "date": 05-06-2022
        }]
}
...etc

我嘗試了以下方法，但它不是正確的格式：

result = (now.groupby('user_id')['product_id','date'].apply(lambda x: dict(x.values)).to_json())

任何幫助將非常感激

Answer 1

out = (df[['product_id','date']].apply(dict, axis=1)
       .groupby(df['user_id']).apply(list)
       .to_frame('items').reset_index()
       .to_dict('records'))

print(out)

[{'user_id': 1, 'items': [{'product_id': 23, 'date': '01-01-2022'}, {'product_id': 24, 'date': '05-01-2022'}]},
{'user_id': 2, 'items': [{'product_id': 56, 'date': '05-06-2022'}]}, 
{'user_id': 3, 'items': [{'product_id': 23, 'date': '02-07-2022'}, {'product_id': 24, 'date': '01-02-2022'}, {'product_id': 56, 'date': '02-01-2022'}]}]

Answer 2

下面的代碼可以解決這個問題。 它首先將日期時間轉換為日期列的字符串。 然后，它將 dataframe 轉換為所需的格式。

data是您保存為 excel 文件的數據表。

# Import libraries
import pandas as pd
import openpyxl
import json

# Read the excel data
data = pd.read_excel("data.xlsx", sheet_name=0)

# Change the data type of the date column (day-month-year)
data['date'] = data['date'].apply(lambda x: x.strftime('%d-%m-%Y'))

# Convert to desired json format
json_data = (data.groupby(['user_id'])
               .apply(lambda x: x[['product_id','date']].to_dict('records'))
               .reset_index()
               .rename(columns={0:'items'})
               .to_json(orient='records'))

# Pretty print the result
# https://stackoverflow.com/a/12944035/10905535
json_data = json.loads(json_data)
print(json.dumps(json_data, indent=4, sort_keys=False))

output：

[
    {
        "user_id": 1,
        "items": [
            {
                "product_id": 23,
                "date": "01-01-2022"
            },
            {
                "product_id": 24,
                "date": "05-01-2022"
            }
        ]
    },
    {
        "user_id": 2,
        "items": [
            {
                "product_id": 56,
                "date": "05-06-2022"
            }
        ]
    },
    {
        "user_id": 3,
        "items": [
            {
                "product_id": 23,
                "date": "02-07-2022"
            },
            {
                "product_id": 24,
                "date": "01-02-2022"
            },
            {
                "product_id": 56,
                "date": "02-01-2022"
            }
        ]
    }
]