Блог

Главная - Вопросы по программированию - Фрейм данных Python Pandas из ответа API JSON >>>

Фрейм данных Python Pandas из ответа API JSON >>>

#python #json #pandas #dataframe #json-normalize

Вопрос:

Я новичок в Python, могу ли я, пожалуйста, обратиться за помощью к экспертам здесь?

Я хочу построить фрейм данных из https://api.cryptowat.ch/markets/summaries Ответ JSON. на основе следующих критериев фильтрации

  1. Валютные пары, перечисленные Kraken (Пожалуйста, обратите внимание, что есть фьючерсы на kraken, которые мне не нужны)
  2. Валюта в паре только с долларом США, т. е. aaveusd, adausd….

Идеальный фрейм данных, который я ищу, — это (каким-то образом excel отлично загружает этот json на скриншоте ниже) Dataframe_Excel_Screenshot

resp = requests.get(https://api.cryptowat.ch/markets/summaries) kraken_assets = resp.json() df = pd.json_normalize(kraken_assets) print(df)

Выход:

результат.binance-сша:aaveusd.цена.последний результат.binance-сша:aaveusd.цена.высокий…
0 264.48 267.32 …

[1 строка х 62688 столбцов]

Когда я просто вставляю ссылку в браузер, JSON-ответ с двойными кавычками ( » ), но когда я получаю его с помощью кода python. Все двойные кавычки («) заменены одинарными кавычками (‘) есть идеи, почему?. Хотя я пытался решить эту проблему с помощью json_normalize, но затем ответ меняется на [1 строка x 62688 столбцов]. я не уверен, как мне вообще работать с 1 строкой с 62 тысячами столбцов. я не знаю, как извлечь точную информацию в нужном мне формате фрейма данных (см. Скриншот excel).

Мы очень ценим любую помощь. Спасибо!

Ответ №1:

  • результат JSON-это диктант
  • загрузите это в фрейм данных
  • декодирование столбцов в продукты и меры
  • фильтр по требуемым данным
 import requests
import pandas as pd
import numpy as np

# load results into a data frame
df = pd.json_normalize(requests.get("https://api.cryptowat.ch/markets/summaries").json()["result"])

# columns are encoded as product and measure.  decode columns and transpose into rows that include product and measure
cols = np.array([c.split(".", 1) for c in df.columns]).T
df.columns = pd.MultiIndex.from_arrays(cols, names=["product","measure"])
df = df.T

# finally filter down to required data and structure measures as columns
df.loc[df.index.get_level_values("product").str[:7]=="kraken:"].unstack("measure").droplevel(0,1)

пример вывода

продукт цена.последняя цена.высокая цена.низкая цена.изменение.процент цена.изменение.абсолютная объем volumeQuote
кракен:привет 347.41 347.41 338.14 0.0274147 9.27 1.77707 613.281
кракен:aavebtc 0.008154 0.008289 0.007874 0.0219326 0.000175 403.506 3.2797
кракен:aaveeth 0.1327 0.1346 0.1327 -0.00673653 -0.0009 287.113 38.3549
кракен:эйвер 219.87 226.46 209.07 0.0331751 7.06 1202.65 259205
кракен:aavegbp 191.55 191.55 179.43 0.030559 5.68 6.74476 1238.35
кракен:aaveusd 259.53 267.48 246.64 0.0339841 8.53 3623.66 929624
кракен:адаауд 1.61792 1.64602 1.563 0.0211692 0.03354 5183.61 8366.21
кракен:adabtc 3.757 e-05 3.776 e-05 3.673 e-05 0.0110334 4.1 e-07 252403 9.41614
кракен:адаэт 0.0006108 0.00063 0.0006069 -0.0175326 -1.09 e-05 590839 367.706
кракен:адеур 1.01188 1.03087 0.977345 0.0209986 0.020811 1.99104 e 06 1.98693e 06

Ответ №2:

Здравствуйте, попробуйте использовать приведенный ниже код. Я понял структуру набора данных и изменил ее, чтобы получить желаемый результат. `

 resp = requests.get("https://api.cryptowat.ch/markets/summaries")
a=resp.json()
a['result']
#creating Dataframe froom key=result
da=pd.DataFrame(a['result'])
#using Transpose to get required Columns and Index
da=da.transpose()
#price columns contains a dict which need to be seperate Columns on the data frame
db=da['price'].to_dict()
da.drop('price', axis=1, inplace=True)
#intialising seperate Data frame for price
z=pd.DataFrame({})
for i in db.keys():
    i=pd.DataFrame(db[i], index=[i])
    z=pd.concat([z,i], axis=0 )
da=pd.concat([z, da], axis=1)
da.to_excel('nex.xlsx')`
Метки: