带有列表和字典的嵌套 JSON

编程问答 2022-05-23

问题描述

我正在尝试将嵌套的 JSON 提取到具有以下结构的数据帧中：

TypeError: Cannot read property 'loadSync' of undefined
    at Object.token (C:/Program Files/Heroku/client/node_modules/heroku-cli-util/lib/auth.js:199:9)
    at run (C:/Program Files/Heroku/client/node_modules/heroku-cli-util/lib/command.js:156:38)
    at Object.run (C:/Program Files/Heroku/client/node_modules/heroku-cli-util/lib/command.js:169:12)
    at V5.run (C:/Program Files/Heroku/client/node_modules/@oclif/plugin-legacy/lib/index.js:145:26)
    at V5._run (C:/Program Files/Heroku/client/node_modules/@oclif/command/lib/command.js:44:31)

我尝试使用 json_normalize 进行提取，但我被第二级“值”卡住了。我认为这与 normalize 可以使用的级别数有关。有没有另一种方法可以在数据框中获取此结构？

我的代码是：

[
{'id': '1','sort': 'kg','name': 'meal','detail': 
   [
       {'subid': 'A','name': 'Example','values': 
       [
          {'value': '3','time': 0320},{'value': '4','time': 0330},

enter image description here

解决方法

它不像单行那样优雅，但它可以处理多个嵌套级别：

jsondata = [
        {'id': '1','sort': 'kg','name': 'meal','detail': 
            [
                {'subid': 'A','name': 'Example','values': 
                    [
                        {'value': '3','time': 320},{'value': '4','time': 330},{'value': '5','time': 340}
                    ]
                }
            ]
        }
    ]

import pandas as pd

rows = []
for d1 in jsondata:
    row = {}
    row.update( d1 )
    del row['detail']
    for d2 in d1['detail']:
        row['subid'] = d2['subid']
        row['namex'] = d2['name']
        for d3 in d2['values']:
            row.update(d3)
            rows.append( row )

o = pd.DataFrame(rows)
print(o)
,

你可以使用 flatten_json

from flatten_json import flatten

jsondata = [
        {'id': '1','time': 340}
                    ]
                }
            ]
        }
    ]

    
dic_flattened = (flatten(d,'.') for d in jsondata)
df = pd.DataFrame(dic_flattened)

输出

  id sort  name detail.0.subid detail.0.name detail.0.values.0.value  detail.0.values.0.time detail.0.values.1.value  detail.0.values.1.time detail.0.values.2.value  detail.0.values.2.time
0  1   kg  meal              A       Example                       3                     320                       4                     330                       5                     340
dataframejsonnormalizepandaspandaspython