将CSV转嵌套JSON时，如何拆分DataFrame多值列生成对象数组？

要实现将多值列转换为对象数组，需要先把逗号分隔的字符串拆分为列表，再将对应列的列表元素配对生成多个pattern对象，具体步骤如下：

1. 拆分多值列为列表并处理格式 #

首先对每个包含多值的列进行拆分，去除元素前后空格，并将frequency_count转换为整数类型（匹配你期望的JSON数字格式）：

import pandas as pd

# 读取CSV（保留原逻辑）
df1_data = pd.read_csv(csv1, delimiter=';', keep_default_na=False, dtype=object)

# 拆分多值列并处理格式
df1_data['frequency_count'] = df1_data['frequency_count'].apply(
    lambda x: [int(i.strip()) for i in x.split(',')]
)
df1_data['schedule_type'] = df1_data['schedule_type'].apply(
    lambda x: [i.strip() for i in x.split(',')]
)
df1_data['day_of_week'] = df1_data['day_of_week'].apply(
    lambda x: [i.strip() for i in x.split(',')]
)

2. 生成patterns对象数组 #

通过apply遍历每一行，将拆分后的列表元素一一配对，生成包含多个pattern对象的数组：

nested_cols = ['frequency_count', 'schedule_type', 'day_of_week']

df1_data['patterns'] = df1_data.apply(lambda row: [
    {col: val for col, val in zip(nested_cols, vals)} 
    for vals in zip(*[row[col] for col in nested_cols])
], axis=1)

# 生成最终嵌套JSON
df1_nested2 = df1_data[['name', 'frequency', 'frequency_start_date', 'patterns', 'comments']].to_json(orient='records', indent=4)

效果说明 #

处理后，原本{"frequency_count": "1, 5", ...}的单对象格式会转换为：

[
    {"frequency_count": 1, "schedule_type": "...", "day_of_week": "..."},
    {"frequency_count": 5, "schedule_type": "...", "day_of_week": "..."}
]

注意事项 #

• 确保每行的三个多值列拆分后的列表长度一致，否则zip会以最短列表为准截断多余元素；如果存在长度不一致的情况，可根据业务逻辑补充默认值或添加异常处理。

内容的提问来源于stack exchange，提问作者Betabr