有没有办法在数据框中取消嵌套 json´column？

Question

我有这个数据集

obras = pd.DataFrame(
    [['1','Entre Ríos'],['2', 'Entre Rios'],['3','entre Ríos'], ['4','Entre ríos']],
    columns = ['id', 'prov']
)

为了规范“Prov”的名称，我调用了一个 API

API_BASE_URL = "https://apis.datos.gob.ar/georef/api/"

def get_similar_bulk(endpoint, nombres):

    # realiza consulta a la API
    data = {
        endpoint: [
            {"nombre": nombre, "max": 1} for nombre in nombres
    ]}
    url = API_BASE_URL + endpoint
    results = requests.post(
        url, json=data, headers={"Content-Type": "application/json"}
    ).json()

    # convierte a una lista de "resultado más probable" o "vacío" cuando no hay
    parsed_results = [
        single_result[endpoint][0] if single_result[endpoint] else {}
        for single_result in results["resultados"]
    ]

    return parsed_results

obras['prov_norm'] = get_similar_bulk("provincias", obras['prov'])

结果我得到了

id	prov	prov_norm
1	Entre Ríos	{'centroide': {'lat': -32.0588735436448, 'lon': -59.2014475514635}, 'id': '30', 'nombre': 'Entre Ríos'}
2	Entre Rios	{'centroide': {'lat': -32.0588735436448, 'lon': -59.2014475514635}, 'id': '30', 'nombre': 'Entre Ríos'}
3	entre Ríos	{'centroide': {'lat': -32.0588735436448, 'lon': -59.2014475514635}, 'id': '30', 'nombre': 'Entre Ríos'}
4	Entre ríos	{'centroide': {'lat': -32.0588735436448, 'lon': -59.2014475514635}, 'id': '30', 'nombre': 'Entre Ríos'}

预期的结果是：

id	prov	lat	lon	id	nombre
1	Entre Ríos	-32.0588735436448	-59.2014475514635	30	Entre Ríos
2	Entre Rios	-32.0588735436448	-59.2014475514635	30	Entre Ríos
3	entre Ríos	-32.0588735436448	-59.2014475514635	30	Entre Ríos
4	Entre ríos	-32.0588735436448	-59.2014475514635	30	Entre Ríos

我该如何解决这个问题？

谢谢！！！

Answer 1

您也可以尝试如下所示的 pandas 'json_normalize'：

import pandas as pd

results = get_similar_bulk("provincias", obras['prov'])

df_results = pd.json_normalize(results)

print(df_results)

Answer 2

如果你想要单独的列，那么你必须像这样将数据放在单独的列中：

在 get_similar_bulk 函数中：

# convierte a una lista de "resultado más probable" o "vacío" cuando no hay
  parsed_results = [
      single_result[endpoint][0] if single_result[endpoint] else {}
      for single_result in results["resultados"]
  ]

  parsed_results = [{'lat':x['centroide']['lat'],'lon': x['centroide']['lon'],'id_obras': x['id'],'nombre':x['nombre']} for x in parsed_results ]
  parsed_results=[[x[0] for x in parsed_results],[x[1] for x in parsed_results],[x[2] for x in parsed_results],[x[3] for x in parsed_results]]

  return parsed_results

obras['lat'],obras['lon'],obras['id'],obras['nombre'] = 
 get_similar_bulk("provincias", obras['prov'])

但如果我们在您的代码之后更改数据：

obras['lat'] = obras['prov_norm'].apply(lambda x:  x['centroide']['lat'])
obras['lon'] = obras['prov_norm'].apply(lambda x:  x['centroide']['lon'])
obras['id_obras'] = obras['prov_norm'].apply(lambda x:  x['id'])
obras['nombre'] = obras['prov_norm'].apply(lambda x:  x['nombre'])


obras = obras.drop('prov_norm', 1)

但我不明白为什么所有行的数据都相同。这也是你问题的一部分吗？还是只是一个示例代码？