如何用Pandas将指定JSON转为目标结构DataFrame？已尝试json_normalize失败

你可以通过两步实现需求：先从JSON的f2字段提取列表生成基础DataFrame，再添加自定义列temp_col并填充对应字典值。

方法1：直接构造DataFrame（最直观） #

import pandas as pd

data = {
 "f1": "test",
 "f2":[{"f3": 1, "f4": "f4_1" }, {"f3": 2, "f4": "f4_2" }] 
}

# 从f2的列表生成包含f3、f4的DataFrame
df = pd.DataFrame(data["f2"])
# 添加temp_col列，每行填充{"f1": "test"}
df["temp_col"] = [{"f1": data["f1"]}] * len(df)

方法2：正确使用json_normalize #

你之前用json_normalize无效，大概率是没有指定record_path参数来指定要展开的嵌套数组。正确用法如下：

import pandas as pd

data = {
 "f1": "test",
 "f2":[{"f3": 1, "f4": "f4_1" }, {"f3": 2, "f4": "f4_2" }] 
}

# 指定record_path="f2"，展开嵌套数组为行
df = pd.json_normalize(data, record_path="f2")
# 填充temp_col列，pandas会自动将单个字典广播到所有行
df["temp_col"] = {"f1": data["f1"]}

执行后得到的DataFrame结构与你需求一致：

f3     f4          temp_col
0   1  f4_1  {'f1': 'test'}
1   2  f4_2  {'f1': 'test'}

内容的提问来源于stack exchange，提问作者xsa xsa