将嵌套的JSON结构转换为Pandas DataFrames

2023年3月27日下午2:55 • python-answer

将嵌套的JSON结构转换为Pandas DataFrame可以使用Pandas库中的json_normalize函数，以下是详细步骤：

导入 Pandas 库：

import pandas as pd

使用 json_normalize 函数读取 json 数据，json_normalize 函数可以将嵌套的 json 结构转换为扁平的表格结构：

df = pd.read_json(json_string)
df = pd.json_normalize(json_data, 'key')

其中，json_string 是 json 数据的字符串形式，json_data 是 json 数据的 Python 对象形式。'key'参数表示嵌套 json 结构的层级，可以使用一到多个层级。

如果 json 数据中有嵌套的列表，可以使用 record_path 参数指定路径：

df = pd.json_normalize(json_data, record_path='key.key')

其中，'key.key'表示嵌套的 json 结构的层级路径，可以是多层级。record_path参数还可以是一个列表，指定多个嵌套的列表路径。

如果 json 数据中有嵌套的字典，可以使用 meta 参数指定元数据：

df = pd.json_normalize(json_data, record_path='key.key', meta=['key1', 'key2'])

其中，'key1'和'key2'是 json 数据中的一级或多级嵌套字典中的键，可以在 meta 参数中指定多个键。

如果 json 数据中有不规则的嵌套结构，可以使用 errors 参数忽略：

df = pd.json_normalize(json_data, 'key', errors='ignore')

其中，errors 参数可以是'raise','ignore'和'coerce'三个值，分别表示报错，忽略和转换为 NaN。

以下是一个完整的代码示例：

import json
import pandas as pd

# JSON 数据
json_data = [
    {
        'id': 1,
        'name': 'John',
        'age': 30,
        'contact': {
            'phone': '123456',
            'email': 'john@example.com'
        },
        'scores': [
            {
                'subject': 'Math',
                'score': 99
            },
            {
                'subject': 'English',
                'score': 88
            }
        ]
    },
    {
        'id': 2,
        'name': 'Mike',
        'age': 25,
        'contact': {
            'phone': '456789',
            'email': 'mike@example.com'
        },
        'scores': [
            {
                'subject': 'Math',
                'score': 90
            },
            {
                'subject': 'English',
                'score': 95
            }
        ]
    }
]

# 将 JSON 数据转换为 Pandas DataFrame
df = pd.json_normalize(json_data,
                       record_path=['scores'],
                       meta=[['id'], ['name'], ['contact', 'phone'], ['contact', 'email'], ['age']],
                       errors='ignore')

# 打印结果
print(df)

输出结果如下：

   subject  score  id   name contact.phone   contact.email  age
0     Math     99   1   John        123456  john@example.com  30
1  English     88   1   John        123456  john@example.com  30
2     Math     90   2   Mike        456789  mike@example.com  25
3  English     95   2   Mike        456789  mike@example.com  25

本站文章如无特殊说明，均为本站原创，如若转载，请注明出处：将嵌套的JSON结构转换为Pandas DataFrames - Python技术站