如何使用Python将复杂嵌套JSON结构转换为CSV文件？求解转换过程中的问题

我来帮你搞定这个多层嵌套JSON转CSV的难题！先看看你的数据结构——它包含了多层嵌套的数组（比如users里的shifts、reports，还有独立的dates数组），同时还有顶层的元数据字段，直接用简单的pandas转换肯定会出问题，我们一步步拆解处理。

为什么第一段代码报错？ #

你遇到的ValueError: Mixing dicts with non-Series may lead to ambiguous ordering，原因是直接把整个JSON字典传给pd.DataFrame.from_dict()时，pandas无法处理混合结构：里面既有普通的键值对（比如status、token），又有嵌套的字典和数组，它不知道该怎么排列这些数据，所以抛出了错误。

第二段代码的问题在哪？ #

你只处理了users和shifts，但遗漏了reports、dates以及data里的其他重要字段（比如needs_publish、needs_republish），而且没有把reports里的日期ID和dates数组关联起来，所以输出结果不符合预期。

完整解决方案代码 #

下面的代码会完整拆解所有嵌套结构，保留所有字段，并且可以分别输出shifts和reports相关的CSV（也可以直接转Excel）：

import json
import pandas as pd

# 加载JSON文件
with open("E:/TP/json_to_csv/json_data.json", "r") as read_file:
    data = json.load(read_file)

# 提取核心数据部分
data_core = data['data']

# 提取顶层元数据（这些字段需要关联到每个用户记录）
top_metadata = {
    'needs_publish': data_core['needs_publish'],
    'needs_republish': data_core['needs_republish'],
    'total_overall': data_core['total']
}

# 第一步：处理用户数据，添加顶层元数据
users_df = pd.DataFrame(data_core['users'])
# 把顶层元数据添加到每个用户行中
for key, val in top_metadata.items():
    users_df[key] = val

# 第二步：拆解用户的shifts嵌套数组
# 展开shifts数组
users_shifts_df = users_df.explode('shifts', ignore_index=True)
# 把shifts字典转换成单独的列
users_shifts_df = pd.concat(
    [users_shifts_df.drop(['shifts'], axis=1), 
     users_shifts_df['shifts'].apply(pd.Series)],
    axis=1
)

# 第三步：拆解用户的reports嵌套字典（键是日期ID）
def flatten_reports(report_dict):
    """把reports的字典结构转换成带日期ID的数组"""
    flattened_reports = []
    for date_id, report_list in report_dict.items():
        for report in report_list:
            # 添加日期ID字段，方便后续关联dates数据
            report['linked_date_id'] = date_id
            flattened_reports.append(report)
    return flattened_reports

# 展开reports并转换为列
users_reports_df = users_df.copy()
users_reports_df['reports'] = users_reports_df['reports'].apply(flatten_reports)
users_reports_df = users_reports_df.explode('reports', ignore_index=True)
users_reports_df = pd.concat(
    [users_reports_df.drop(['reports'], axis=1), 
     users_reports_df['reports'].apply(pd.Series)],
    axis=1
)

# 第四步：处理dates数组，方便和reports关联
dates_df = pd.DataFrame(data_core['dates'])

# 关联reports和dates数据，补充日期的格式化信息
merged_reports_df = pd.merge(
    users_reports_df, 
    dates_df, 
    left_on='linked_date_id', 
    right_on='id', 
    how='left',
    suffixes=('_user', '_date')
)

# 输出结果：CSV或Excel
# 输出shifts相关数据
users_shifts_df.to_csv('E:/TP/json_to_csv/shifts_result.csv', index=False)
# 输出关联了日期的reports数据
merged_reports_df.to_csv('E:/TP/json_to_csv/reports_result.csv', index=False)

# 如果需要直接输出Excel，替换成to_excel即可（需要安装openpyxl）
# users_shifts_df.to_excel('E:/TP/json_to_csv/shifts_result.xlsx', index=False)
# merged_reports_df.to_excel('E:/TP/json_to_csv/reports_result.xlsx', index=False)

代码说明 #

• 我们先提取了顶层的元数据（needs_publish等），把这些字段添加到每个用户的记录中，确保不会丢失全局信息。
• 对shifts数组直接用explode展开，再把字典转换成列，保留所有班次信息。
• 针对reports的特殊字典结构（键是日期ID），我们写了一个小函数把它转换成带日期ID的数组，之后同样展开并转换为列，再和dates数组关联，补充日期的格式化文本。
• 最后可以分别输出shifts和reports的结果，也可以根据需求合并成一个表格（注意数据粒度，一个用户可能对应多条班次和报告记录）。

内容的提问来源于stack exchange，提问作者Chirag Patankar