Python新手求教：将嵌套JSON转换为指定格式的DataFrame

原始数据 #

data = {
    "results": [
        {"values": [{"name": "firstname","value": "Fname1"},{"name": "lastname","value": "Lname1"}]},
        {"values": [{"name": "firstname","value": "Fname2"},{"name": "lastname","value": "Lname2"}]},
        {"values": [{"name": "firstname","value": "Fname3"},{"name": "lastname","value": "Lname3"}]}
    ]
}

期望输出 #

你的尝试代码及结果 #

df = pd.DataFrame(data["results"])
df[['values'][0]].apply(lambda x: x[0]['value'])

得到的结果：

解决方案 #

可以用pd.json_normalize结合pivot实现，无需循环或手动指定列名：

import pandas as pd

# 一步到位转换
df = pd.json_normalize(data['results'], record_path='values').pivot(columns='name', values='value').reset_index(drop=True)

步骤说明 #

1. pd.json_normalize(data['results'], record_path='values')：将嵌套在results里的values数组展开，生成每行对应一个name-value对的DataFrame：

   name	value
   firstname	Fname1
   lastname	Lname1
   firstname	Fname2
   lastname	Lname2
   firstname	Fname3
   lastname	Lname3

2. pivot(columns='name', values='value')：将name列的取值转为DataFrame的列名，value列的内容填充到对应单元格。
3. reset_index(drop=True)：重置索引，去除多余的索引列。

执行后就能得到你期望的DataFrame结构。

内容的提问来源于stack exchange，提问作者Mitchie