通过 Python json_normalize 处理 JSON 嵌套值的问题答案

【问题标题】：Issue with JSON nested values through Python json_normalize通过 Python json_normalize 处理 JSON 嵌套值的问题
【发布时间】：2020-06-22 11:43:44
【问题描述】：

尽管查看了许多示例+解决方案，但我没有找到任何适用于这个特定 JSON 模式的东西。

我有这行来自 API 的 JSON：

x = {'rows': [{'columns':
                 [{'name': 'User ID', 'value': '0000123'},
                 {'name': 'Last Name', 'value': 'Test1'}]},
              {'columns':
                 [{'name': 'User ID', 'value': '0000567'},
                 {'name': 'Last Name', 'value': 'Test2'}]}]}

由于某种原因，我无法使用各种形式的 json_normalize 将其输出，我能得到的最接近的方法是让它们堆叠。

pd.json_normalize(data=x,record_path=['rows',['columns']])

结果：

        name    value
0    User ID  0000123
1  Last Name    Test1
2    User ID  0000567
3  Last Name    Test2

但我正在寻找它来输出：

User ID  Last Name
0000123  Test1
0000567  Test2

我正在研究支点，但没有可用的索引。我可以附加数组值吗？或者，可能有更好的方法来创建数据框，因此它可以轻松规范化。

帮助表示赞赏。

【问题讨论】：

标签： python json pivot normalize

【解决方案1】：

有人可能有更好的答案，但是如果您检查 json_normalize (link) 的来源，它“目前效率极低”，并且只使用列表理解和循环。因此，通过手动规范化数据，您可能不会损失太多效率。这是一个为清楚起见而编写的示例（即，如果您要检索大型 json，这将不会很好地扩展），它循环您的数据以构建字段：

normalized_data={'User ID':[],'Last Name':[]}
for row in x['rows']:
    for column in row['columns']:
        normalized_data[column['name']].append(column['value'])

df=pd.DataFrame(normalized_data)
print(df)

打印：

   User ID Last Name
0  0000123     Test1
1  0000567     Test2

显然不理想，希望看到其他答案，但鉴于 jsons 带有开放式格式，如果你没有足够幸运拥有你的 json，那么很难找到一个开箱即用的 pandas 方法结构与熊猫可以处理的结构相匹配。

【讨论】：