Python从Json字符串中提取元素 [英] Python extract elements from Json string
本文介绍了Python从Json字符串中提取元素的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
我有一个Json字符串，可以从中提取 formatted_address ， lat ， lng ，但是我无法提取其他组件的特征（值），如交叉点，政治，国家，administrative_area_level_1，administrative_area_level_2，administrative_area_level_3，administrative_area_level_4，administrative_area_level_5，colloquial_area，位于 long_name
之前的位置，病房，邻域，前提，子级等等我期待数据表如$ /
formatted_address px_val py_val political country administrative_area_level_1 .. ..
Satya Niwas，Kanti Nagar .. 19.1096591 72.8674712 Kanti Nagar，JB Nagar印度马哈拉施特拉邦.. ..
82，Bamanpuri，Ajit Nagar .. 19.109749 72.867249 Bamanpuri印度马哈拉施特拉邦.. ..
。
。
。
以下是示例JSON字符串
' '：['establishment'，'point_of_interest'，'premise']}，{'long_name'：'Kanti Nagar'，
'short_name'：'Kanti Nagar'，
'types '：['political'，'sublocality'，'sublocality_level_3']}，
{'long_name'：'JB Nagar'，
'short_name'：'JB Nagar'，
' '：['political'，'sublocality'，'sublocality_level_2']}，
{'long_name'：'Andheri East'，
'short_name'：'Andheri East'，
'types '：['political'，'sublocality'，'sublocality_level_1']}，
{'long_name'：'Mumbai'，
'short_name'：'Mumbai'，
'types'： ['locality'，'political']}，
{'long_name'：'Mumbai Suburban'，
'short_name'：'孟买郊区'，
'types'：['administrative_area_level_2'，'political']}，
{'long_name' ：'Maharashtra'，
'short_name'：'MH'，
'types'：['administrative_area_level_1'，'political']}，
{'long_name'：'India'，
'short_name'：'IN'，
'types'：['country'，'political']}，
{'long_name'：'400059'，'short_name'：'400059' ，'types'：['postal_code']}]，
'formatted_address'：'Satya Niwas，Kanti Nagar，JB Nagar，Andheri East，Mumbai，Maharashtra 400059，India'，
'geometry'： {'bounds'：{'northeast'：{'lat'：19.1097923，'lng'：72.8675306}，
'southwest'：{'lat'：19.1095784，'lng'：72.8673391}}，
'location'：{'lat'：19.1096591，'lng'：72.8674712}，
'location_type'：'ROOFTOP '，
'viewport'：{'northeast'：{'lat'：19.1110343302915，
'lng'：72.8687838302915}，
'southwest'：{'lat'：19.1083363697085'lng '：72.86608586970848}}}，
'place_id'：'ChIJ4UsP5DjI5zsR8hgwhHo9wEk'，
'types'：['establishment'，'point_of_interest'，'premise']}，
{'address_components' ：['long_name'：'82'，
'short_name'：'82'，
'types'：['premise']}，
{'long_name'：'Bamanpuri' ，
'short_name'：'Bamanpuri'，
'types'：['neighborhood'，'political']}，
{'long_name'：'Ajit Nagar'，
'short_name'：'Ajit Nagar'，
'types'：['political'，'sublocality'，'sublocality_level_3']}，
{'long_name'：'JB Nagar'，
'short_name'：'JB Nagar'，
'types'：['political'，'sublocality'，'sublocality_level_2 ]}，
{'long_name'：'Andheri East'，
'short_name'：'Andheri East'，
'types'：['political'，'sublocality'，'sublocality_level_1' ]}，
{'long_name'：'Mumbai'，
'short_name'：'Mumbai'，
'types'：['locality'，'political']}，
{'long_name'：'Mumbai Suburban'，
'short_name'：'Mumbai Suburban'，
'types'：['administrative_area_level_2'，'political']}，
{'long_name '：'Maharashtra'，
'short_name'：'MH'，
'types'：['administrative_area_level_1'，'political']}，
{'long_name'：'印度'，
'short_name'：'IN'，
'types'：['country'，'political']}，
{'long_name'：'400053'，'short_name'：'400053 '，'types'：['postal_code']}]，
'formatted_address'：'82，Bamanpuri，Ajit Nagar，JB Nagar，Andheri E孟买，马哈拉施特拉邦400053，印度'，
'几何'：{'location'：{'lat'：19.109749，'lng'：72.867249}，
'location_type'：'ROOFTOP'，
'viewport'：{'northeast'：{'lat'：19.1110979802915，
'lng'：72.8685979802915}，
'southwest'：{'lat'：19.1084000197085，'lng'：72.86590001970849 }}}，
'place_id'：'ChIJqYip4zjI5zsR0Yg8bdXQX3o'，
'types'：['street_address']}，
{'address_components'：[{'long_name'：'Todi Building' ，
'short_name'：'Todi Building'，
'types'：['premise']}，
{'long_name'：'Sheth Bhavanidas Benani Marg'，
' short_name'：'Sheth Bhavanidas Benani Marg'，
'types'：['route']}，
{'long_name'：'Kanti Nagar'，
'short_name'：'Kanti Nagar '，
'types'：['political'，'sublocality'，'sublocality_level_3']}，
{'long_name'：'JB Nagar'，
'short_name'：'JB Nagar'，
'types'：['political'，'sublocality'，'sublocality_level_2']}，
{'long_name'：'Andheri East'，
'short_name'：'Andheri East'，
'types'：['political'，'sublocality'，'sublocality_level_1']}，
{'long_name'：'Mumbai'，
'short_name'：'Mumbai'，
'types'：['locality'，'political']}，
{'long_name'：'孟买Suburban'，
'short_name'：'孟买Suburban'，
'类型'：['administrative_area_level_2'，'political']}，
{'long_name'：'Maharashtra'，
'short_name'：'MH'，
'types'：['administrative_area_level_1'，'political']}，
{'long_name'：'印度'，
'short_name' ：'IN'，
'types'：['country'，'political']}，
{'long_name ：'400059'，'short_name'：'400059'，'types'：['postal_code']}]，
'formatted_address'：'Todi Building，Sheth Bhavanidas Benani Marg，Kanti Nagar，JB Nagar，Andheri East ，孟买，马哈拉施特拉邦400059，印度'，
'几何'：{'location'：{'lat'：19.1098265，'lng'：72.86778869999999}，
'location_type'：'ROOFTOP'，
'viewport'：{'northeast'：{'lat'：19.1111754802915，
'lng'：72.86913768029149}，
'southwest'：{'lat'：19.1084775197085，'lng'：72.86643971970848} }}，
'place_id'：'ChIJo5bq3zjI5zsR2hRaNQF3xd0'，
'types'：['premise']}，
{'address_components'：[{'long_name'：'KASI APARTMENTS'，
'short_name'：'KASI APARTMENTS'，
'types'：['establishment'，'point_of_interest'，'premise']}，
{'long_name'：'Shriniwas Bagarka Road' ，
'short_name'：'Shriniwas B agarka Rd'，
'types'：['route']}，
{'long_name'：'Bamanpuri'，
'short_name'：'Bamanpuri'，
' '：['neighborhood'，'political']}，
{'long_name'：'Kanti Nagar'，
'short_name'：'Kanti Nagar'，
'types'：[''政治'，'sublocality'，'sublocality_level_3']}，
{'long_name'：'JB Nagar'，
'short_name'：'JB Nagar'，
'types'：[政治'，'sublocality'，'sublocality_level_2']}，
{'long_name'：'Andheri East'，
'short_name'：'Andheri East'，
'types'：[政治'，'sublocality'，'sublocality_level_1']}，
{'long_name'：'Mumbai'，
'short_name'：'孟买'，
'types'：['locality' ，'政治']}，
{'long_name'：'孟买郊区'，
'short_name'：'孟买郊区'，
'types'：['administrative_area_level_2'，'political']}，
{'long_name'：'Maharashtra'，
'short_name'：'MH'，
'types'：[''政治']}，
{'long_name'：'印度'，
'short_name'：'IN'，
'types'：['country'，'political' ]}，
{'long_name'：'400059'，'short_name'：'400059'，'types'：['postal_code']}]，$ b $'formatted_address'：'KASI APARTMENTS，Shriniwas Bagarka Rd，Bamanpuri，Kanti Nagar，JB Nagar，Andheri East，Mumbai，Maharashtra 400059，India'，
'geometry'：{'location'：{'lat'：19.1093338，'lng'：72.8670515}，
'location_type'：'ROOFTOP'，
'viewport'：{'northeast'：{'lat'：19.1106827802915，
'lng'：72.86840048029151}，
'southwest'：{ 'lat'：19.10798481970849，'lng'：72.86570251970849}}}，
'place_id ：'ChIJoUz25DjI5zsRiMoiQtq5kXs'，
'types'：['establishment'，'point_of_interest'，'premise']}，
{'address_components'：[{'long_name'：'Silver Line Apts。'，
'short_name'：'Silver Line Apts。'，
'types'：['premise']}，
{'long_name'：'Bamanpuri'，
'short_name' ：'Bamanpuri'，
'types'：['neighborhood'，'political']}，
{'long_name'：'JB Nagar'，
'short_name'：'J.B. Nagar'，
'types'：['political'，'sublocality'，'sublocality_level_3']}，
{'long_name'：'JB Nagar'，
'short_name'：'JB Nagar'，
'类型'：['political'，'sublocality'，'sublocality_level_2']}，
{'long_name'：'Andheri East'，
'short_name'：'Andheri东孟'，
'类型'：['political'，'sublocality'，'sublocality_level_1']}，
{'long_name'：'孟买'，
'short_name'：'孟买' ，
'types'：['locality'，'political']}，
{'long_name'：'孟买郊区'，
'short_name'：'Mumbai Suburban'，
'types'：['administrative_area_level_2'，'political']}，
{'long_name'：'Maharashtra'，
'short_name'：'MH'，
'types'：[ 'administrative_area_level_1'，'political']}，
{'long_name'：'印度'，
'笑rt_name'：'IN'，
'types'：['country'，'political']}，
{'long_name'：'400047'，'short_name'：'400047'，'types' ：['postal_code']}]，
'formatted_address'：'Silver Line Apts。，Bamanpuri，JB Nagar，JB Nagar，Andheri East，Mumbai，Maharashtra 400047，India'，
'geometry' {'location'：{'lat'：19.1091075，'lng'：72.8670776}，
'location_type'：'ROOFTOP'，
'viewport'：{'northeast'：{'lat'：19.1104564802915 ，
'lng'：72.86842658029151}，
'southwest'：{'lat'：19.1077585197085，'lng'：72.86572861970849}}}，
'place_id'：'ChIJEQ3_ZzjI5zsR9LxIP1h2b2c'，
'types'：['premise']}，
{'address_components'：[{'long_name'：'Gokul panch chs'，
'short_name'：'Gokul panch chs'，
'types'：['establishment'，'point_of_interest']}，
{'long_name'：'81 -B '，'short_name'：'81-B'，'types'：['street_number']}，
{'long_name'：'Sheth Bhavanidas Benani Marg'，
'short_name'：'Sheth Bhavanidas Benani Marg'，
'types'：['route']}，
{'long_name'：'Bamanpuri'，
'short_name'：'Bamanpuri'，
' '：['neighborhood'，'political']}，
{'long_name'：'Ajit Nagar'，
'short_name'：'Ajit Nagar'，
'types'：[''政治'，'sublocality'，'sublocality_level_3']}，
{'long_name'：'JB Nagar'，
'short_name'：'JB Nagar'，
'types'：[政治'，'sublocality'，'sublocality_level_2']}，
{'long_name'：'Andheri East'，
'short_name'：'Andheri East'，
'types'：[政治'，'sublocality'，'sublocality_level_1']}，
{'long_name'：'孟买'，
'short_name'： '孟买'，
'类型'：['locality'，'political']}，
{'long_name'：'孟买郊区'，
'short_name'：'孟买郊区'，
'types'：['administrative_area_level_2'，'political']}，
{'long_name'：'Maharashtra'，
'short_name'：'MH'，
' '：['administrative_area_level_1'，'political']}，
{'long_name'：'印度'，
'short_name'：'IN'，
'types'：['country' ''''，''''''，''''''''''，''''''''''，'印度马哈拉施特拉邦，印度孟买，印度孟加拉国安得里东JBit Nagar，Aj Nagar，印度孟加拉国，81-B，81-B，Sheth Bhavanidas Benani Marg，Bamanpuri，'''''''''' lat'：19.1098713，'lng'：72.86705669999999}，
'location_type'：'ROOFTOP'，
'viewpo rt'：{'northeast'：{'lat'：19.1112202802915，
'lng'：72.8684056802915}，
'southwest'：{'lat'：19.1085223197085，'lng'：72.8657077197085}}}，
'place_id'：'ChIJpUuz4jjI5zsRpgQdmR5E1v0'，
'types'：['establishment'，'point_of_interest']}，
{'address_components'：[{'long_name'：'Ajit Nagar' ，
'short_name'：'Ajit Nagar'，
'types'：['political'，'sublocality'，'sublocality_level_3']}，
{'long_name'：'JB Nagar' ，
'short_name'：'JB Nagar'，
'types'：['political'，'sublocality'，'sublocality_level_2']}，
{'long_name'：'Andheri East' ，
'short_name'：'Andheri East'，
'types'：['political'，'sublocality'，'sublocality_level_1']}，
{'long_name'：'Mumbai'，
'short_name'：'孟买'，
'类型'：['locality '，'political']}，
{'long_name'：'Mumbai Suburban'，
'short_name'：'孟买郊区'，
'类型'：['administrative_area_level_2'，'political ']}，
{'long_name'：'Maharashtra'，
'short_name'：'MH'，
'types'：['administrative_area_level_1'，'political']}，
{'long_name'：'India'，
'short_name'：'IN'，
'types'：['country'，'political']}，
{'long_name' ：'400047'，'short_name'：'400047'，'types'：['postal_code']}]，
'formatted_address'：'Ajit Nagar，JB Nagar，Andheri East，Mumbai，Maharashtra 400047，India' ，
'geometry'：{'bounds'：{'northeast'：{'lat'：19.1119198，'lng'：72.8714133}，
'southwest'：{'lat'：19.1085396，'lng '：72.8662167}}，
'location'：{'lat'：19.1103164，'lng'：72.8680732}，
'location_type '：'APPROXIMATE'，
'viewport'：{'northeast'：{'lat'：19.1119198，'lng'：72.8714133}，
'southwest'：{'lat'：19.1085396，'lng '：72.8662167}}}，
'place_id'：'ChIJPWPg4zjI5zsRJWPFphEkcxc'，
'types'：['political'，'sublocality'，'sublocality_level_3']}，
{'address_components' ：[{'long_name'：'Bamanpuri'，
'short_name'：'Bamanpuri'，
'types'：['neighborhood'，'political']}，
{'long_name' ：'JB Nagar'，
'short_name'：'JB Nagar'，
'types'：['political'，'sublocality'，'sublocality_level_2']}，
{'long_name' ：'Andheri East'，
'short_name'：'Andheri East'，
'types'：['political'，'sublocality'，'sublocality_level_1']}，
{'long_name' ：'孟买'，
'short_name'：'孟买'，
'类型'：['locality'， ''政治']}，
{'long_name'：'孟买郊区'，
'short_name'：'孟买郊区'，
'类型'：['administrative_area_level_2'，'political'] }，
{'long_name'：'Maharashtra'，
'short_name'：'MH'，
'types'：['administrative_area_level_1'，'political']}，
{'long_name'：'印度'，
'short_name'：'IN'，
'types'：['country'，'political']}，
{'long_name'：' 400047'，'short_name'：'400047'，'types'：['postal_code']}]，
'formatted_address'：'Bamanpuri，JB Nagar，Andheri East，Mumbai，Maharashtra 400047，India $ b'geometry'：{'bounds'：{'northeast'：{'lat'：19.1102874，'lng'：72.869838}，
'southwest'：{'lat'：19.1060651，'lng'：72.8635609 }}，
'location'：{'lat'：19.1084347，'lng'：72.86574929999999}，
'location_typ e'：'APPROXIMATE'，
'viewport'：{'northeast'：{'lat'：19.1102874，'lng'：72.869838}，
'southwest'：{'lat'：19.1060651' lng'：72.8635609}}}，
'place_id'：'ChIJIYgnUDjI5zsRK_Zl9Zy_QkY'，
'types'：['neighborhood'，'political']}，
{'address_components'：[ 'long_name'：'JB Nagar'，
'short_name'：'JB Nagar'，
'types'：['political'，'sublocality'，'sublocality_level_2']}，
{ 'long_name'：'Andheri East'，
'short_name'：'Andheri East'，
'types'：['political'，'sublocality'，'sublocality_level_1']}，
{ 'long_name'：'孟买'，
'short_name'：'孟买'，
'类型'：['locality'，'political']}，
{'long_name'：'Mumbai Suburban'，
'short_name'：'Mumbai Suburban'，
'types'：['administrative_area_level_2' ，'政治']}，
{'long_name'：'Maharashtra'，
'short_name'：'MH'，
'types'：['administrative_area_level_1'，'political']} ，
{'long_name'：'印度'，
'short_name'：'IN'，
'types'：['country'，'political']}，
{ 'long_name'：'400047'，'short_name'：'400047'，'types'：['postal_code']}]，
'formatted_address'：'JB Nagar，Andheri East，Mumbai，Maharashtra 400047，India' ，
'geometry'：{'bounds'：{'northeast'：{'lat'：19.1161579，'lng'：72.871533}，
'southwest'：{'lat'：19.1008041，'lng '：72.8606231}}，
'location'：{'lat'：19.1110621，'lng'：72.8655922}，
'location_type'：'APPROXIMATE'，$ b $'viewport'：{东北部'：{'lat'：19.1161579，'lng'：72.871533}，
'southwest'：{'lat'：19.1008041，'lng'：72.8606231}}}，
'place_id'：'ChIJt8_u6TjI5zsRR9eE5rMK45A'，
'types'：['political'，'sublocality'，'sublocality_level_2']}，
{'address_components'：[{'long_name'：'Andheri East' ，
'short_name'：'Andheri East'，
'types'：['political'，'sublocality'，'sublocality_level_1']}，
{'long_name'：'Mumbai'，
'short_name'：'孟买'，
'types'：['locality'，'political']}，
{'long_name'：'Mumbai Suburban'，
' short_name'：'孟买郊区'，
'types'：['administrative_area_level_2'，'political']}，
{'long_name'：'Maharashtra'，
'short_name'：'MH '，
'types'：['administrative_area_level_1'，'political']}，
{'long_name'：'India'，
'short_name'：'IN'，
'types'：['country'，'political']}]，
'formatted_address '：'Andheri East，Mumbai，Maharashtra，India'，
'geometry'：{'bounds'：{'northeast'：{'lat'：19.1327276，$ b'lng'：72.89305499999999}，
'southwest'：{'lat'：19.096748，'lng'：72.843926}}，
'location'：{'lat'：19.1154908，'lng'：72.8726952}，
'location_type '：'APPROXIMATE'，
'viewport'：{'northeast'：{'lat'：19.1327276，'lng'：72.89305499999999}，
'southwest'：{'lat'：19.096748，'lng '：72.843926}}，
'place_id'：'ChIJMbHfQRu25zsRMazdY3UpaKY'，
'types'：['political'，'sublocality'，'sublocality_level_1']}]，
'status' ：'OK'}
以下是代码片段
import json
将pandas导入为pd
line =json_str
json_st = json.loads（line）
国家= []
political = []
address_fields = {
'相交'：[]，
'political'：[]，
'country'：[]
}
用于json_st中的json_str：
address_fields = {
'intersection'：[]，
'political'：[]，
'country'：[]
}
isinstance json_st，dict）：
first_address_components = json_st ['results']
#format_add = json_st ['results'] [0]
else：
first_address_components = json_st [0] [ 'address_components']
for first_address_components：
for field_key in address_fields.keys（）：
#address_fields [field_key] .append（str（format_add ['formatted_address'] ））
如果item ['types']中的field_key：
address_fields [field_key] .append（item ['long_name']）
address_fields = {key：'， .join（值）的键值，在address_fields.items（）}
coun try.append（address_fields ['country']）
political.append（address_fields ['political']）
给出错误
$ pre $ j $ _最近一次调用的最后一个）：
在< module>中的第1行中输入< ipython-input-94-315fa8711f9d>
json_st ['results'] ['address_components']
TypeError：列表索引必须是整数或切片，而不是str
我得到预期的O / P的前3列，但无法提取其他列。
任何建议都是有帮助的
谢谢
Domnick
解决方案
我会去 json_normalize ，想到一个行的答案，但我不认为它可能ie （在这里，我只为px_val和py_val你可以做其他列的类似的东西）
from pandas.io.json import json_normalize
将pandas作为pd
导入json
$ b $以open（'dat.json'）作为f：
data = json.load（f）
$ b $ result = json_normalize（data，'results'）
result ['px_val'] = result ['geometry']。apply（json_normalize）.apply（lambda x： x ['location.lat']）
result ['py_val'] = result ['geometry']。apply（json_normalize）.apply（lambda x：x ['location.lng']）
print（result [['formatted_address'，'px_val'，'py_val']]）
formatted_address px_val py_val
0 Satya Niwas，Kanti Nagar，JB Nagar，Andheri E ... 19.109659 72.867471
1 82，Bamanpuri，Ajit Nagar，JB Nagar，Andheri ... 19.109749 72.867249
2 Todi Building ，Sheth Bhavanidas Benani Marg，K ... 19.109827 72.867789
3 KASI APARTMENTS，Shriniwas Bagarka Rd，Bamanpu ... 19.109334 72.867052
4银线公寓，Bamanpuri，JB Nagar，JB ... 19.109108 72.867078
5 Gokul panch chs，81-B，81-B，Sheth Bhavanidas ... 19.109871 72.867057
6 Ajit Nagar，JB Nagar，Andheri East，Mumbai，M ... 19.110316 72.868073
7 Bamanpuri，JB Nagar，Andheri东，孟买，马哈拉施特拉邦，... 19.108435 72.865749
8 JB Nagar，Andheri东，孟买，马哈拉施特拉4 ... 19.111062 72.865592
9 Andheri East，Mumbai，Maharashtra，印度19.115491 72.872695
我试图解析政治当然不会为这个解决方案感到骄傲，即
pol = []
for result ['address_components']。apply（json_如果在'[types']中有'political'，那么np.nan，1）.dropna（'normal'）：
pol.append（'，'。join（i.apply（lambda x：x ['long_name' （）））
结果['political'] = pol
输出 result ['political']
0 Kanti Nagar，JB Nagar，Andheri East ，孟买，孟买...
1 Bamanpuri，Ajit Nagar，JB Nagar，Andheri East，Mu ...
2 Kanti Nagar，JB Nagar，Andheri East，Mumbai，Mumb ...
3 Bamanpuri，Kanti Nagar，JB Nagar，Andheri East，M ...
4 Bamanpuri，JB Nagar，JB Nagar，Andheri East，Mu ...
5 Bamanpuri，Ajit Nagar，JB Nagar，Andheri East，Mu ...
6 Ajit Nagar，JB Nagar，Andheri East，Mumbai，Mumba。 ..
7 Bamanpuri，JB Nagar，Andheri East，孟买，孟买...
8 JB Nagar，Andheri East，孟买，孟买Suburban，...
9 Andheri East，Mumbai，孟买Suburban，Maharashtr ...
名称：政治，dtype：对象
为了将它转换成一个方法，我们可以做
def get_cols（st）：
pol = []
for result ['address_components'] .apply（json_normalize）：
pol.append（'，'。join（i.apply（lambda x：x ['long_name'] if st in x ['types'] else np.nan，1）。 dropna（）））
返回pol
结果['political'] = get_cols（'political'）
＃这将分配新的政治与数据。
I have a Json string from which I'm able to extract few components like formatted_address,lat,lng, but I'm unable to extract feature(values) of other components like intersection, political, country, administrative_area_level_1 , administrative_area_level_2 , administrative_area_level_3 , administrative_area_level_4, administrative_area_level_5, colloquial_area , locality , ward, neighborhood, premise, subpremise etc which is under long_name
I'm expecting datatable like
formatted_address px_val py_val political country administrative_area_level_1 .. ..
Satya Niwas, Kanti Nagar.. 19.1096591 72.8674712 Kanti Nagar,JB Nagar India maharashtra .. ..
82, Bamanpuri, Ajit Nagar.. 19.109749 72.867249 Bamanpuri India maharashtra .. ..
.
.
.
Here is the sample JSON string
{'results': [{'address_components': [{'long_name': 'Satya Niwas',
'short_name': 'Satya Niwas',
'types': ['establishment', 'point_of_interest', 'premise']},
{'long_name': 'Kanti Nagar',
'short_name': 'Kanti Nagar',
'types': ['political', 'sublocality', 'sublocality_level_3']},
{'long_name': 'J B Nagar',
'short_name': 'J B Nagar',
'types': ['political', 'sublocality', 'sublocality_level_2']},
{'long_name': 'Andheri East',
'short_name': 'Andheri East',
'types': ['political', 'sublocality', 'sublocality_level_1']},
{'long_name': 'Mumbai',
'short_name': 'Mumbai',
'types': ['locality', 'political']},
{'long_name': 'Mumbai Suburban',
'short_name': 'Mumbai Suburban',
'types': ['administrative_area_level_2', 'political']},
{'long_name': 'Maharashtra',
'short_name': 'MH',
'types': ['administrative_area_level_1', 'political']},
{'long_name': 'India',
'short_name': 'IN',
'types': ['country', 'political']},
{'long_name': '400059', 'short_name': '400059', 'types': ['postal_code']}],
'formatted_address': 'Satya Niwas, Kanti Nagar, J B Nagar, Andheri East, Mumbai, Maharashtra 400059, India',
'geometry': {'bounds': {'northeast': {'lat': 19.1097923, 'lng': 72.8675306},
'southwest': {'lat': 19.1095784, 'lng': 72.8673391}},
'location': {'lat': 19.1096591, 'lng': 72.8674712},
'location_type': 'ROOFTOP',
'viewport': {'northeast': {'lat': 19.1110343302915,
'lng': 72.8687838302915},
'southwest': {'lat': 19.1083363697085, 'lng': 72.86608586970848}}},
'place_id': 'ChIJ4UsP5DjI5zsR8hgwhHo9wEk',
'types': ['establishment', 'point_of_interest', 'premise']},
{'address_components': [{'long_name': '82',
'short_name': '82',
'types': ['premise']},
{'long_name': 'Bamanpuri',
'short_name': 'Bamanpuri',
'types': ['neighborhood', 'political']},
{'long_name': 'Ajit Nagar',
'short_name': 'Ajit Nagar',
'types': ['political', 'sublocality', 'sublocality_level_3']},
{'long_name': 'J B Nagar',
'short_name': 'J B Nagar',
'types': ['political', 'sublocality', 'sublocality_level_2']},
{'long_name': 'Andheri East',
'short_name': 'Andheri East',
'types': ['political', 'sublocality', 'sublocality_level_1']},
{'long_name': 'Mumbai',
'short_name': 'Mumbai',
'types': ['locality', 'political']},
{'long_name': 'Mumbai Suburban',
'short_name': 'Mumbai Suburban',
'types': ['administrative_area_level_2', 'political']},
{'long_name': 'Maharashtra',
'short_name': 'MH',
'types': ['administrative_area_level_1', 'political']},
{'long_name': 'India',
'short_name': 'IN',
'types': ['country', 'political']},
{'long_name': '400053', 'short_name': '400053', 'types': ['postal_code']}],
'formatted_address': '82, Bamanpuri, Ajit Nagar, J B Nagar, Andheri East, Mumbai, Maharashtra 400053, India',
'geometry': {'location': {'lat': 19.109749, 'lng': 72.867249},
'location_type': 'ROOFTOP',
'viewport': {'northeast': {'lat': 19.1110979802915,
'lng': 72.8685979802915},
'southwest': {'lat': 19.1084000197085, 'lng': 72.86590001970849}}},
'place_id': 'ChIJqYip4zjI5zsR0Yg8bdXQX3o',
'types': ['street_address']},
{'address_components': [{'long_name': 'Todi Building',
'short_name': 'Todi Building',
'types': ['premise']},
{'long_name': 'Sheth Bhavanidas Benani Marg',
'short_name': 'Sheth Bhavanidas Benani Marg',
'types': ['route']},
{'long_name': 'Kanti Nagar',
'short_name': 'Kanti Nagar',
'types': ['political', 'sublocality', 'sublocality_level_3']},
{'long_name': 'J B Nagar',
'short_name': 'J B Nagar',
'types': ['political', 'sublocality', 'sublocality_level_2']},
{'long_name': 'Andheri East',
'short_name': 'Andheri East',
'types': ['political', 'sublocality', 'sublocality_level_1']},
{'long_name': 'Mumbai',
'short_name': 'Mumbai',
'types': ['locality', 'political']},
{'long_name': 'Mumbai Suburban',
'short_name': 'Mumbai Suburban',
'types': ['administrative_area_level_2', 'political']},
{'long_name': 'Maharashtra',
'short_name': 'MH',
'types': ['administrative_area_level_1', 'political']},
{'long_name': 'India',
'short_name': 'IN',
'types': ['country', 'political']},
{'long_name': '400059', 'short_name': '400059', 'types': ['postal_code']}],
'formatted_address': 'Todi Building, Sheth Bhavanidas Benani Marg, Kanti Nagar, J B Nagar, Andheri East, Mumbai, Maharashtra 400059, India',
'geometry': {'location': {'lat': 19.1098265, 'lng': 72.86778869999999},
'location_type': 'ROOFTOP',
'viewport': {'northeast': {'lat': 19.1111754802915,
'lng': 72.86913768029149},
'southwest': {'lat': 19.1084775197085, 'lng': 72.86643971970848}}},
'place_id': 'ChIJo5bq3zjI5zsR2hRaNQF3xd0',
'types': ['premise']},
{'address_components': [{'long_name': 'KASI APARTMENTS',
'short_name': 'KASI APARTMENTS',
'types': ['establishment', 'point_of_interest', 'premise']},
{'long_name': 'Shriniwas Bagarka Road',
'short_name': 'Shriniwas Bagarka Rd',
'types': ['route']},
{'long_name': 'Bamanpuri',
'short_name': 'Bamanpuri',
'types': ['neighborhood', 'political']},
{'long_name': 'Kanti Nagar',
'short_name': 'Kanti Nagar',
'types': ['political', 'sublocality', 'sublocality_level_3']},
{'long_name': 'J B Nagar',
'short_name': 'J B Nagar',
'types': ['political', 'sublocality', 'sublocality_level_2']},
{'long_name': 'Andheri East',
'short_name': 'Andheri East',
'types': ['political', 'sublocality', 'sublocality_level_1']},
{'long_name': 'Mumbai',
'short_name': 'Mumbai',
'types': ['locality', 'political']},
{'long_name': 'Mumbai Suburban',
'short_name': 'Mumbai Suburban',
'types': ['administrative_area_level_2', 'political']},
{'long_name': 'Maharashtra',
'short_name': 'MH',
'types': ['administrative_area_level_1', 'political']},
{'long_name': 'India',
'short_name': 'IN',
'types': ['country', 'political']},
{'long_name': '400059', 'short_name': '400059', 'types': ['postal_code']}],
'formatted_address': 'KASI APARTMENTS, Shriniwas Bagarka Rd, Bamanpuri, Kanti Nagar, J B Nagar, Andheri East, Mumbai, Maharashtra 400059, India',
'geometry': {'location': {'lat': 19.1093338, 'lng': 72.8670515},
'location_type': 'ROOFTOP',
'viewport': {'northeast': {'lat': 19.1106827802915,
'lng': 72.86840048029151},
'southwest': {'lat': 19.10798481970849, 'lng': 72.86570251970849}}},
'place_id': 'ChIJoUz25DjI5zsRiMoiQtq5kXs',
'types': ['establishment', 'point_of_interest', 'premise']},
{'address_components': [{'long_name': 'Silver Line Apts.',
'short_name': 'Silver Line Apts.',
'types': ['premise']},
{'long_name': 'Bamanpuri',
'short_name': 'Bamanpuri',
'types': ['neighborhood', 'political']},
{'long_name': 'J.B. Nagar',
'short_name': 'J.B. Nagar',
'types': ['political', 'sublocality', 'sublocality_level_3']},
{'long_name': 'J B Nagar',
'short_name': 'J B Nagar',
'types': ['political', 'sublocality', 'sublocality_level_2']},
{'long_name': 'Andheri East',
'short_name': 'Andheri East',
'types': ['political', 'sublocality', 'sublocality_level_1']},
{'long_name': 'Mumbai',
'short_name': 'Mumbai',
'types': ['locality', 'political']},
{'long_name': 'Mumbai Suburban',
'short_name': 'Mumbai Suburban',
'types': ['administrative_area_level_2', 'political']},
{'long_name': 'Maharashtra',
'short_name': 'MH',
'types': ['administrative_area_level_1', 'political']},
{'long_name': 'India',
'short_name': 'IN',
'types': ['country', 'political']},
{'long_name': '400047', 'short_name': '400047', 'types': ['postal_code']}],
'formatted_address': 'Silver Line Apts., Bamanpuri, J.B. Nagar, J B Nagar, Andheri East, Mumbai, Maharashtra 400047, India',
'geometry': {'location': {'lat': 19.1091075, 'lng': 72.8670776},
'location_type': 'ROOFTOP',
'viewport': {'northeast': {'lat': 19.1104564802915,
'lng': 72.86842658029151},
'southwest': {'lat': 19.1077585197085, 'lng': 72.86572861970849}}},
'place_id': 'ChIJEQ3_ZzjI5zsR9LxIP1h2b2c',
'types': ['premise']},
{'address_components': [{'long_name': 'Gokul panch chs',
'short_name': 'Gokul panch chs',
'types': ['establishment', 'point_of_interest']},
{'long_name': '81-B', 'short_name': '81-B', 'types': ['street_number']},
{'long_name': 'Sheth Bhavanidas Benani Marg',
'short_name': 'Sheth Bhavanidas Benani Marg',
'types': ['route']},
{'long_name': 'Bamanpuri',
'short_name': 'Bamanpuri',
'types': ['neighborhood', 'political']},
{'long_name': 'Ajit Nagar',
'short_name': 'Ajit Nagar',
'types': ['political', 'sublocality', 'sublocality_level_3']},
{'long_name': 'J B Nagar',
'short_name': 'J B Nagar',
'types': ['political', 'sublocality', 'sublocality_level_2']},
{'long_name': 'Andheri East',
'short_name': 'Andheri East',
'types': ['political', 'sublocality', 'sublocality_level_1']},
{'long_name': 'Mumbai',
'short_name': 'Mumbai',
'types': ['locality', 'political']},
{'long_name': 'Mumbai Suburban',
'short_name': 'Mumbai Suburban',
'types': ['administrative_area_level_2', 'political']},
{'long_name': 'Maharashtra',
'short_name': 'MH',
'types': ['administrative_area_level_1', 'political']},
{'long_name': 'India',
'short_name': 'IN',
'types': ['country', 'political']},
{'long_name': '400047', 'short_name': '400047', 'types': ['postal_code']}],
'formatted_address': 'Gokul panch chs, 81-B, 81-B, Sheth Bhavanidas Benani Marg, Bamanpuri, Ajit Nagar, J B Nagar, Andheri East, Mumbai, Maharashtra 400047, India',
'geometry': {'location': {'lat': 19.1098713, 'lng': 72.86705669999999},
'location_type': 'ROOFTOP',
'viewport': {'northeast': {'lat': 19.1112202802915,
'lng': 72.8684056802915},
'southwest': {'lat': 19.1085223197085, 'lng': 72.8657077197085}}},
'place_id': 'ChIJpUuz4jjI5zsRpgQdmR5E1v0',
'types': ['establishment', 'point_of_interest']},
{'address_components': [{'long_name': 'Ajit Nagar',
'short_name': 'Ajit Nagar',
'types': ['political', 'sublocality', 'sublocality_level_3']},
{'long_name': 'J B Nagar',
'short_name': 'J B Nagar',
'types': ['political', 'sublocality', 'sublocality_level_2']},
{'long_name': 'Andheri East',
'short_name': 'Andheri East',
'types': ['political', 'sublocality', 'sublocality_level_1']},
{'long_name': 'Mumbai',
'short_name': 'Mumbai',
'types': ['locality', 'political']},
{'long_name': 'Mumbai Suburban',
'short_name': 'Mumbai Suburban',
'types': ['administrative_area_level_2', 'political']},
{'long_name': 'Maharashtra',
'short_name': 'MH',
'types': ['administrative_area_level_1', 'political']},
{'long_name': 'India',
'short_name': 'IN',
'types': ['country', 'political']},
{'long_name': '400047', 'short_name': '400047', 'types': ['postal_code']}],
'formatted_address': 'Ajit Nagar, J B Nagar, Andheri East, Mumbai, Maharashtra 400047, India',
'geometry': {'bounds': {'northeast': {'lat': 19.1119198, 'lng': 72.8714133},
'southwest': {'lat': 19.1085396, 'lng': 72.8662167}},
'location': {'lat': 19.1103164, 'lng': 72.8680732},
'location_type': 'APPROXIMATE',
'viewport': {'northeast': {'lat': 19.1119198, 'lng': 72.8714133},
'southwest': {'lat': 19.1085396, 'lng': 72.8662167}}},
'place_id': 'ChIJPWPg4zjI5zsRJWPFphEkcxc',
'types': ['political', 'sublocality', 'sublocality_level_3']},
{'address_components': [{'long_name': 'Bamanpuri',
'short_name': 'Bamanpuri',
'types': ['neighborhood', 'political']},
{'long_name': 'J B Nagar',
'short_name': 'J B Nagar',
'types': ['political', 'sublocality', 'sublocality_level_2']},
{'long_name': 'Andheri East',
'short_name': 'Andheri East',
'types': ['political', 'sublocality', 'sublocality_level_1']},
{'long_name': 'Mumbai',
'short_name': 'Mumbai',
'types': ['locality', 'political']},
{'long_name': 'Mumbai Suburban',
'short_name': 'Mumbai Suburban',
'types': ['administrative_area_level_2', 'political']},
{'long_name': 'Maharashtra',
'short_name': 'MH',
'types': ['administrative_area_level_1', 'political']},
{'long_name': 'India',
'short_name': 'IN',
'types': ['country', 'political']},
{'long_name': '400047', 'short_name': '400047', 'types': ['postal_code']}],
'formatted_address': 'Bamanpuri, J B Nagar, Andheri East, Mumbai, Maharashtra 400047, India',
'geometry': {'bounds': {'northeast': {'lat': 19.1102874, 'lng': 72.869838},
'southwest': {'lat': 19.1060651, 'lng': 72.8635609}},
'location': {'lat': 19.1084347, 'lng': 72.86574929999999},
'location_type': 'APPROXIMATE',
'viewport': {'northeast': {'lat': 19.1102874, 'lng': 72.869838},
'southwest': {'lat': 19.1060651, 'lng': 72.8635609}}},
'place_id': 'ChIJIYgnUDjI5zsRK_Zl9Zy_QkY',
'types': ['neighborhood', 'political']},
{'address_components': [{'long_name': 'J B Nagar',
'short_name': 'J B Nagar',
'types': ['political', 'sublocality', 'sublocality_level_2']},
{'long_name': 'Andheri East',
'short_name': 'Andheri East',
'types': ['political', 'sublocality', 'sublocality_level_1']},
{'long_name': 'Mumbai',
'short_name': 'Mumbai',
'types': ['locality', 'political']},
{'long_name': 'Mumbai Suburban',
'short_name': 'Mumbai Suburban',
'types': ['administrative_area_level_2', 'political']},
{'long_name': 'Maharashtra',
'short_name': 'MH',
'types': ['administrative_area_level_1', 'political']},
{'long_name': 'India',
'short_name': 'IN',
'types': ['country', 'political']},
{'long_name': '400047', 'short_name': '400047', 'types': ['postal_code']}],
'formatted_address': 'J B Nagar, Andheri East, Mumbai, Maharashtra 400047, India',
'geometry': {'bounds': {'northeast': {'lat': 19.1161579, 'lng': 72.871533},
'southwest': {'lat': 19.1008041, 'lng': 72.8606231}},
'location': {'lat': 19.1110621, 'lng': 72.8655922},
'location_type': 'APPROXIMATE',
'viewport': {'northeast': {'lat': 19.1161579, 'lng': 72.871533},
'southwest': {'lat': 19.1008041, 'lng': 72.8606231}}},
'place_id': 'ChIJt8_u6TjI5zsRR9eE5rMK45A',
'types': ['political', 'sublocality', 'sublocality_level_2']},
{'address_components': [{'long_name': 'Andheri East',
'short_name': 'Andheri East',
'types': ['political', 'sublocality', 'sublocality_level_1']},
{'long_name': 'Mumbai',
'short_name': 'Mumbai',
'types': ['locality', 'political']},
{'long_name': 'Mumbai Suburban',
'short_name': 'Mumbai Suburban',
'types': ['administrative_area_level_2', 'political']},
{'long_name': 'Maharashtra',
'short_name': 'MH',
'types': ['administrative_area_level_1', 'political']},
{'long_name': 'India',
'short_name': 'IN',
'types': ['country', 'political']}],
'formatted_address': 'Andheri East, Mumbai, Maharashtra, India',
'geometry': {'bounds': {'northeast': {'lat': 19.1327276,
'lng': 72.89305499999999},
'southwest': {'lat': 19.096748, 'lng': 72.843926}},
'location': {'lat': 19.1154908, 'lng': 72.8726952},
'location_type': 'APPROXIMATE',
'viewport': {'northeast': {'lat': 19.1327276, 'lng': 72.89305499999999},
'southwest': {'lat': 19.096748, 'lng': 72.843926}}},
'place_id': 'ChIJMbHfQRu25zsRMazdY3UpaKY',
'types': ['political', 'sublocality', 'sublocality_level_1']}],
'status': 'OK'}
Here is the snippet of code
import json
import pandas as pd
line="json_str"
json_st = json.loads(line)
country=[]
political=[]
address_fields = {
'intersection': [],
'political': [],
'country': []
}
for json_str in json_st:
address_fields = {
'intersection': [],
'political': [],
'country': []
}
if isinstance(json_st,dict):
first_address_components = json_st['results']
#format_add = json_st['results'][0]
else:
first_address_components = json_st[0]['address_components']
for item in first_address_components:
for field_key in address_fields.keys():
#address_fields[field_key].append( str(format_add['formatted_address']))
if field_key in item['types']:
address_fields[field_key].append(item['long_name'])
address_fields = {key: ', '.join(values) for key, values in address_fields.items()}
country.append(address_fields['country'])
political.append(address_fields['political'])
It gives error
json_st['results']['address_components']
Traceback (most recent call last):
File "<ipython-input-94-315fa8711f9d>", line 1, in <module>
json_st['results']['address_components']
TypeError: list indices must be integers or slices, not str
I'm getting the first 3 columns of expected O/P but unable to extract other columns. Any suggestion on the same will be helpful
Thanks
Domnick
解决方案
I would go for json_normalize, thought of one line answer but I dont think its possible i.e (Here I did only for px_val and py_val you can do similar things for other columns)
from pandas.io.json import json_normalize
import pandas as pd
import json
with open('dat.json') as f:
data = json.load(f)
result = json_normalize(data,'results')
result['px_val'] = result['geometry'].apply(json_normalize).apply(lambda x : x['location.lat'])
result['py_val'] = result['geometry'].apply(json_normalize).apply(lambda x : x['location.lng'])
print(result[['formatted_address','px_val','py_val']])
formatted_address px_val py_val
0 Satya Niwas, Kanti Nagar, J B Nagar, Andheri E... 19.109659 72.867471
1 82, Bamanpuri, Ajit Nagar, J B Nagar, Andheri ... 19.109749 72.867249
2 Todi Building, Sheth Bhavanidas Benani Marg, K... 19.109827 72.867789
3 KASI APARTMENTS, Shriniwas Bagarka Rd, Bamanpu... 19.109334 72.867052
4 Silver Line Apts., Bamanpuri, J.B. Nagar, J B ... 19.109108 72.867078
5 Gokul panch chs, 81-B, 81-B, Sheth Bhavanidas ... 19.109871 72.867057
6 Ajit Nagar, J B Nagar, Andheri East, Mumbai, M... 19.110316 72.868073
7 Bamanpuri, J B Nagar, Andheri East, Mumbai, Ma... 19.108435 72.865749
8 J B Nagar, Andheri East, Mumbai, Maharashtra 4... 19.111062 72.865592
9 Andheri East, Mumbai, Maharashtra, India 19.115491 72.872695
I try to parse political certainly not proud of this solution i.e
pol = []
for i in result['address_components'].apply(json_normalize):
pol.append(','.join(i.apply(lambda x : x['long_name'] if 'political' in x['types'] else np.nan,1).dropna()))
result['political'] = pol
Output result['political']
0 Kanti Nagar,J B Nagar,Andheri East,Mumbai,Mumb... 1 Bamanpuri,Ajit Nagar,J B Nagar,Andheri East,Mu... 2 Kanti Nagar,J B Nagar,Andheri East,Mumbai,Mumb... 3 Bamanpuri,Kanti Nagar,J B Nagar,Andheri East,M... 4 Bamanpuri,J.B. Nagar,J B Nagar,Andheri East,Mu... 5 Bamanpuri,Ajit Nagar,J B Nagar,Andheri East,Mu... 6 Ajit Nagar,J B Nagar,Andheri East,Mumbai,Mumba... 7 Bamanpuri,J B Nagar,Andheri East,Mumbai,Mumbai... 8 J B Nagar,Andheri East,Mumbai,Mumbai Suburban,... 9 Andheri East,Mumbai,Mumbai Suburban,Maharashtr... Name: political, dtype: object
To convert it to a method we can do
def get_cols(st):
pol = []
for i in result['address_components'].apply(json_normalize):
pol.append(','.join(i.apply(lambda x : x['long_name'] if st in x['types'] else np.nan,1).dropna()))
return pol
result['political'] = get_cols('political')
# This will assign the new column political with data.
这篇关于Python从Json字符串中提取元素的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
查看全文
