Platta ut nästlade JSON-strukturer

En egenskap hos JSON-data är att den kan vara nästlad: värdet på ett attribut kan i sin tur bestå av attribut-värdepar. Sådan nästlad data är mer användbar om den packas upp, eller plattas ut, till egna kolumner i en dataram. Submodulen pandas.io.json innehåller funktionen json_normalize(), som gör just detta.

Yelp API:ets svarsdata är nästlad. Din uppgift är att platta ut nästa nivå av data i kolumnerna coordinates och location.

pandas (som pd) och requests har redan importerats. Resultaten från API-anropet är lagrade i response.

Den här övningen är en del av kursen

Effektiv datainläsning med pandas

Visa kurs

Övningsinstruktioner

Importera funktionen json_normalize() från submodulen io.json i pandas.
Isolera JSON-datan från response och tilldela den till data.
Använd json_normalize() för att platta ut och läsa in affärsdata till en dataram, cafes. Sätt argumentet sep till understreck (_) i stället för punkter.
Visa de första raderna i data.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Load json_normalize()
____

# Isolate the JSON data from the API response
data = ____

# Flatten business data into a dataframe, replace separator
cafes = ____(data["businesses"],
             ____)

# View data
print(cafes.head())

Redigera och kör kod