将单个 Json 列\'所有行转换为多列

Question

df 具有以下列：

指数（

['level_id', 'description', 'level_type', '难度', '解决方案', '修饰符'，'last_modified'，'time_limit'，'tags'，'level_options'， '额外信息'，'提示']

, dtype='对象')

我正在转换的列是 =“level_options”

下面是 level_options 第一行中的数据：

{“标记”：“正常”，“选项”：{“1”：“二氧化碳”，“2”： “氧气”，“3”：“尿液”，“4”：“汗水”}，“max_score”：1， “随机选项”：“假”，“正确选项”：[“2”]}

然后在下面的代码中：我手动传递了上面的第一行，得到了预期的输出。

>     j2=[{"marking": "normal", "options": {"1": "Yes", "2": "No"}, "max_score": 1, "random_options": "false", "correct_options": ["1"]}]
>     pd.json_normalize(j2)

输出：

marking   max_score     random_options   correct_options      options.1   options.2     options.3   options.4  
normal      1             false            [2]       Carbon dioxide Oxygen         Urine        Sweat

但是在遍历所有行时，我没有得到输出。
我在下面的代码中使用了这个我应该得到 6 个列表但得到空列表的地方。预期输出的 PFA-final output

Option1=[] 
Option2=[] 
Option3=[] 
Option4=[] 
Option5=[]
Correct_option=[]
 try:
>     for index, row in df.iterrows():
>         l=row["level_options"]
>         print(l) except:
>     print(index,row)
>     l = json.loads(l) 
>     print(l)
>     for i in l:
>         i = pd.normalize_json(i) 
>         print(i)
>         if i['options'] == '1':
>             Option1.append(i['value'])
>         elif i['options'] == '2':
>             Option2.append(i['value'])
>         elif i['options'] == '3':
>             Option3.append(i['value'])
>         elif i['options'] == '4':
>             Option4.append(i['value'])
>         elif i['options'] == '5':
>             Option5.append(i['value'])
>         elif i['options'] == 'correct_options':
>             Correct_option.append(i['value'])

我什至使用 json.loads 而不是 json_normalize 但发生错误

下面是 2 行 dataframe= df["level_options"]

{“标记”：“正常”，“选项”：{“1”：“二氧化碳”，“2”： “氧气”，“3”：“尿液”，“4”：“汗水”}，“max_score”：1， “随机选项”：“假”，“正确选项”：[“2”]} {“标记”： “正常”，“选项”：{“1”：“是”，“2”：“否”}，“max_score”：1， “随机选项”：“假”，“正确选项”：[“1”]}

下面显示的输出是我在将每个列表合并为单个数据框后所期望的，我遇到的问题是在检索列表时......

谢谢并恭祝安康

options.1   options.2     options.3 options.4  options.5    correct_options    
Carbon dioxide  Oxygen      Urine      Sweat       NaN               [2]    
Yes              No           NaN        NaN        NaN               [1]  

Answer 1

只需在专栏上尝试pd.json_normalize

out = (pd.json_normalize(df['level_options'])
       .filter(like='option')
       .drop('random_options', axis=1))

print(out)

  correct_options       options.1 options.2 options.3 options.4
0             [2]  Carbon dioxide    Oxygen     Urine     Sweat
1             [1]             Yes        No       NaN       NaN

Answer 2

谢谢，但是当我使用您的代码时出现此错误。您在df["level_options"] 中放置了哪些数据？

KeyError                                  Traceback (most recent call last)
Input In [107], in <cell line: 1>()
----> 1 out = (pd.json_normalize(df["level_options"])
      2        .filter(like='option')
      3        .drop('random_options', axis=1))
KeyError: "['random_options'] not found in axis"

我也使用了相同的规范化乐趣，但只获得了我手动传递的那些行的输出，因为我已经这样做了，但我想直接从数据框......没有得到所有行的输出。

   z=[{"marking": "normal", "options": {"1": "Carbon dioxide", "2": "Oxygen", "3": "Urine", "4": "Sweat"}, "max_score": 1, "random_options": "false", "correct_options": ["2"]} ,{"marking": "normal", "options": {"1": "Yes", "2": "No"}, "max_score": 1, "random_options": "false", "correct_options": ["1"]}] 
a=pd.json_normalize(z).filter(like='option').drop('random_options', axis=1)


    print(a)
    correct_options  options.1 options.2 options.3 options.4 
0       [2]    Carbon dioxide  Oxygen   Urine   Sweat 
1       [1]         Yes          No     NaN       NaN