如何用Python将嵌套字典列表转换为指定结构的DataFrame？

我有如下嵌套字典列表：

ip_purchase = [
               {
                'V_TYPE': 'Purchase', 'V_No': '1', 'DATE': '20230401', 
                'ITEMS': [{'NAME': 'A100', 'AMOUNT': '-10000.00'}]
               },
               
               {
                'V_TYPE': 'Purchase', 'V_No': '2', 'DATE': '20230401', 
                'ITEMS': [{'NAME': 'RTX A6000', 'AMOUNT': '-50000.00'},
                          {'NAME': 'Jetson Nano', 'AMOUNT': '-4000.00'},
                          {'NAME': 'V100', 'AMOUNT': '-45000.00'}]
               },

               {
                'V_TYPE': 'Purchase', 'V_No': '3', 'DATE': '20230401', 
                'ITEMS': [{'NAME': 'A100', 'AMOUNT': '-10000.00'},
                          {'NAME': 'V100', 'AMOUNT': '-45000.00'}]
               },

              ]

需要将其转换为如下结构的DataFrame：

直接用pd.DataFrame(ip_purchase)会因为ITEMS的嵌套列表导致格式混乱，且需要支持任意数量的外层订单和内层条目。

以下三种方法都能实现需求，可根据习惯选择：

方法1：列表推导式预处理数据 #

手动遍历展开嵌套结构，逻辑直观易懂：

import pandas as pd

# 展开嵌套数据
flattened_data = []
for order in ip_purchase:
    # 提取订单基础信息（排除ITEMS）
    base_info = {k: v for k, v in order.items() if k != 'ITEMS'}
    # 遍历每个条目，拼接成新行
    for item in order['ITEMS']:
        flattened_row = {
            **base_info,
            'ITEMS': item['NAME'],
            'AMOUNT': int(float(item['AMOUNT']))
        }
        flattened_data.append(flattened_row)

# 生成DataFrame
df = pd.DataFrame(flattened_data)
print(df)

方法2：pandas explode + apply #

利用pandas内置方法展开嵌套列，再提取字段：

import pandas as pd

# 先转成基础DataFrame
df = pd.DataFrame(ip_purchase)
# 展开ITEMS列的嵌套列表
df_exploded = df.explode('ITEMS', ignore_index=True)
# 从ITEMS字典中拆分出NAME和AMOUNT
df_exploded[['ITEMS', 'AMOUNT']] = df_exploded['ITEMS'].apply(pd.Series)
# 转换金额类型并调整列顺序
df_exploded['AMOUNT'] = df_exploded['AMOUNT'].astype(float).astype(int)
df_exploded = df_exploded[['V_TYPE', 'V_No', 'DATE', 'ITEMS', 'AMOUNT']]
print(df_exploded)

方法3：json_normalize直接解析嵌套结构 #

用pandas的json_normalize直接处理嵌套结构，一步到位：

import pandas as pd

# 解析嵌套数据，指定记录路径和元数据字段
df = pd.json_normalize(
    ip_purchase,
    record_path='ITEMS',  # 要展开的嵌套列表字段
    meta=['V_TYPE', 'V_No', 'DATE']  # 保留的上层字段
)
# 重命名列并调整顺序
df = df.rename(columns={'NAME': 'ITEMS'})[['V_TYPE', 'V_No', 'DATE', 'ITEMS', 'AMOUNT']]
# 转换金额类型
df['AMOUNT'] = df['AMOUNT'].astype(float).astype(int)
print(df)

内容的提问来源于stack exchange，提问作者spectre