如何使用pandas.json_normalize时避免列名带嵌套前缀？

解决方法 #

方法1：手动合并顶层与嵌套数据（无需json_normalize）

直接把顶层字典和嵌套的子字典合并后转成DataFrame，列名天然不带前缀：

import pandas as pd

d = {
  "username": "foo999",
  "email": "bar999@example.com",
  "address": {
    "city": "Faketown",
    "state": "Fakeshire"
  },
  "is_premium_user": True,
}

# 合并顶层数据与嵌套的address数据
flattened_data = {**{k: v for k, v in d.items() if k != "address"}, **d["address"]}
df = pd.DataFrame([flattened_data])

输出结果：

username               email  is_premium_user         city         state
0   foo999  bar999@example.com             True     Faketown     Fakeshire

这种方式逻辑直观，适合结构简单的嵌套场景，不需要依赖json_normalize的参数配置。

方法2：自动提取列名的最后一段（通用处理）

如果必须使用json_normalize，可以对生成的列名做通用处理——直接保留.分隔后的最后一部分，不用提前知晓所有嵌套键：

import pandas as pd

d = {
  "username": "foo999",
  "email": "bar999@example.com",
  "address": {
    "city": "Faketown",
    "state": "Fakeshire"
  },
  "is_premium_user": True,
}

df = pd.json_normalize(d)
# 提取列名的最后一段，自动去掉所有前缀
df.columns = df.columns.str.split('.').str[-1]

这个方法适配任意嵌套父键名称，完全不用手动维护正则里的键列表，通用性拉满。

方法3：自定义递归展平函数（适配复杂嵌套）

如果存在多层嵌套或多个嵌套字段，写一个递归函数先把字典完全展平，再转成DataFrame：

import pandas as pd

def flatten_dict(d):
    items = []
    for k, v in d.items():
        if isinstance(v, dict):
            items.extend(flatten_dict(v).items())
        else:
            items.append((k, v))
    return dict(items)

d = {
  "username": "foo999",
  "email": "bar999@example.com",
  "address": {
    "city": "Faketown",
    "state": "Fakeshire"
  },
  "is_premium_user": True,
}

flattened_data = flatten_dict(d)
df = pd.DataFrame([flattened_data])

该函数会递归处理所有层级的嵌套字典，自动去掉所有父键前缀，适合结构复杂的嵌套数据。

内容的提问来源于stack exchange，提问作者user21474411