R与Python处理JSON数据结果差异及Python统一转换方法求助

情况1：外层包含单个表名键的JSON #

输入格式：

{ "table_name": [{ "id": 1, "name": "john" },{ "id": 2, "name": "doe" }] }

直接提取对应键的取值即可：

import json

json_data = json.loads('{ "table_name": [{ "id": 1, "name": "john" },{ "id": 2, "name": "doe" }] }')
result = json_data["table_name"]
# 输出格式化后的JSON字符串
print(json.dumps(result, indent=2))

情况2：键对应平行数组的JSON #

输入格式：

{
  "id": ["1", "2"],
  "name": ["john", "doe"]
}

纯Python方法 #

用zip函数配对数组元素，同时完成类型转换：

import json

json_data = json.loads('{"id": ["1", "2"], "name": ["john", "doe"]}')
result = [
    {"id": int(id_val), "name": name_val}
    for id_val, name_val in zip(json_data["id"], json_data["name"])
]
print(json.dumps(result, indent=2))

pandas方法 #

先转成DataFrame，再转换为字典列表：

import json
import pandas as pd

json_data = json.loads('{"id": ["1", "2"], "name": ["john", "doe"]}')
df = pd.DataFrame(json_data)
# 将id列转为整数类型
df["id"] = df["id"].astype(int)
# 转成目标格式的字典列表
result = df.to_dict("records")
print(json.dumps(result, indent=2))

R与Python处理数据的差异原因 #

R的tidyr::unnest是针对嵌套数据框设计的工具：R中常把嵌套列表作为数据框的列存储，unnest的作用是将这种嵌套列展开为多行数据。而Python的原生数据结构和pandas的设计逻辑不同：

• 对于第一种JSON，R读入后会生成带列表列的数据框，unnest负责展开该列；但Python读入后是字典结构，直接提取键值更高效。
• 对于第二种JSON，R读入后是普通数据框（每列对应一个数组），unnest在这里并非必需；而Python需要将列级数组转换为行级字典，处理场景和R完全不同。
  两者的差异本质是R和Python对“嵌套数据”的定义、存储方式不同，工具的设计逻辑自然匹配各自的生态，不存在优劣之分，只需根据当前数据结构选择对应方法即可。

内容的提问来源于stack exchange，提问作者sourabh