Python JSON: 4 Wege von loads bis pandas
2024-12-03
Die Standardbibliothek reicht oft aus - bis Datenmengen steigen oder DataFrames ins Spiel kommen. Das richtige Tool entscheidet ueber Tempo und Wartbarkeit.
1. stdlib json.loads
Direktes Mapping auf dict/list; ensure_ascii=False hilft bei CJK-Texten.
import json
data = json.loads('{"name": "Alice"}')2. orjson / ujson
Sehr schnell dank C-Backend; Verhalten bei NaN und Datetime mit Standardbibliothek vergleichen.
3. pandas.read_json
Tabellarische Arrays direkt als DataFrame; lines=True fuer JSON Lines.
import pandas as pd
df = pd.read_json("data.json")4. pydantic
model_validate_json kombiniert Parsing und Validierung in einem Schritt.
Auswahl
Scripts: json, Performance: orjson, Analyse: pandas, strikte Vertraege: pydantic.