如何将嵌套 JSON 结构转换为结构化 Pandas DataFrame？

揭开嵌套 JSON 的神秘面纱：转换为 Pandas DataFrame

将嵌套 JSON 结构转换为结构化 Pandas DataFrame 的过程可能会令人望而生畏，但需要使用正确的工具和方法技术，它变成了一项无缝的任务。让我们探讨一下可用于此转换的选项。

JSON 规范化：一种简单的方法

json_normalize 为展平嵌套 JSON 对象提供了强大的解决方案。当我们开始采用这种方法时：

<code class="python">import json

with open('myJson.json') as data_file:    
    data = json.load(data_file)  

df = pd.json_normalize(data, 'locations', ['date', 'number', 'name'], 
                    record_prefix='locations_')
print (df)</code>

输出：

  locations_arrTime locations_arrTimeDiffMin locations_depTime  \
0                                                        06:32   
1             06:37                        1             06:40   
2             08:24                        1                     

  locations_depTimeDiffMin           locations_name locations_platform  \
0                        0  Spital am Pyhrn Bahnhof                  2   
1                        0  Windischgarsten Bahnhof                  2   
2                                    Linz/Donau Hbf               1A-B   

  locations_stationIdx locations_track number    name        date  
0                    0          R 3932         R 3932  01.10.2016  
1                    1                         R 3932  01.10.2016  
2                   22                         R 3932  01.10.2016 

解析名称和串联分组

但是，如果扁平化不是您的最终目标，您可以采用另一种方法：

<code class="python">df = pd.read_json(&quot;myJson.json&quot;)
df.locations = pd.DataFrame(df.locations.values.tolist())['name']
df = df.groupby(['date','name','number'])['locations'].apply(','.join).reset_index()
print (df)</code>

输出：

        date    name                                          locations
0 2016-01-10  R 3932         Spital am Pyhrn Bahnhof,Windischgarsten Bahnho... 

此技术使您能够连接位置不影响嵌套结构。

以上是如何将嵌套 JSON 结构转换为结构化 Pandas DataFrame？的详细内容。更多信息请关注PHP中文网其他相关文章！