问题描述
我有一个非常典型的 json 文件,除了几个项目包含嵌套的标签/值对。数据样本:
{
"total_count":10000,"count_from":1,"count_to":1000,"contacts":[
{
"contact_id":"ABC123","contact_last_name":"Last name","contact_email":[
{
"label":"primary","value":"last.first@example.com"
},{
"label":"Secondary","value":"first.last@example.com"
},{
"label":"personal","value":"last.first@gmail.com"
}
],"research_mail":"last.first@yahoo.com","contact_phone":[
{
"label":"Desk/Work","value":"2015555555"
},{
"label":"Mobile","value":"2015555556"
},{
"label":"Other/Home","value":"2015555557"
}
],"contact_address1":"3rd street","contact_asst_name":"","contact_asst_phone":""
}
]
}
在最终创建 csv 之前,我正在使用 pandas json_normalize 创建一个数据集。
import json
import csv
import pandas as pd
with open("sourcefilename") as f:
data = json.load(f)
info_df = pd.json_normalize(data,'contacts')
contact_email 和 research_email 值分别作为单独的列返回,以及列内容的原始 JSON 数据。
contact_id,contact_last_name,contact_email,research_mail,etc.
我想要的数据输出列是
contact_id,contact_email_primary,contact_email_secondary,contact_email_personal,etc.
有人可以建议最好的方法吗?如果可能,我更愿意继续使用 pandas 和 json_normalize。
解决方法
一种简单的方法是将列表更改为字典,以便 json_normalize 可以更轻松地应用其魔法:
使用快速重新格式化程序可以提供
def list2dic(inconvenient_list):
reformatted_dic = {}
for item in inconvenient_list:
reformatted_dic[item['label']] = item['value']
return reformatted_dic
将其应用于 contact_email 和 contact_phone 字段:
for contact in data['contacts']:
contact['contact_email'] = list2dict(contact['contact_email'])
contact['contact_phone'] = list2dict(contact['contact_phone'])
现在 json_normalize 应该可以正常工作(将分隔符从 '.' 更改为 '_')
info_df = pd.json_normalize(data,'contacts',sep='_')