如何将子数组itemdata与主数组saledata匹配关联？

现有数据说明 #

主数组 saledata 结构： #

id    sub-array
        0   001   [{'type': 'line_items', 'id': '78', 'attributes': {'status': 'allocated', 'quantity': 1, 'various_other_data': 'etc'}}]
        1   002   [{'type': 'line_items', 'id': '80', 'attributes': {'status': 'allocated', 'quantity': 2, 'various_other_data': 'etc'}}]
        2   003   [{'type': 'line_items', 'id': '85', 'attributes': {'status': 'allocated', 'quantity': 1, 'various_other_data': 'etc'}}, {'type': 'line_items', 'id': '86', 'attributes': {'status': 'allocated', 'quantity': 1, 'various_other_data': 'etc'}}]
        3   004   [{'type': 'line_items', 'id': '92', 'attributes': {'status': 'allocated', 'quantity': 2, 'various_other_data': 'etc'}}, {'type': 'line_items', 'id': '93', 'attributes': {'status': 'allocated', 'quantity': 2, 'various_other_data': 'etc'}}]

子数组 itemdata 结构（已归一化）： #

type        id   attributes.status   attributes.quantity    attributes.various_other_data
0   line_item   78   allocated           1                      etc
0   line_item   80   allocated           2                      etc
0   line_item   85   allocated           1                      etc
1   line_item   86   allocated           1                      etc
0   line_item   92   allocated           2                      etc
1   line_item   93   allocated           2                      etc

错误原因说明 #

你之前使用 if df['sub-array'].str.contains(f) == True 触发"Series真值判断模糊"错误，是因为 str.contains 返回的是布尔型Series，直接用if判断整个Series时，Pandas无法确定你要判断所有元素为True还是存在至少一个True，因此抛出警告。

可行解决方案 #

方案1：直接从主数组展开合并（推荐） #

无需提前归一化itemdata，直接对saledata的sub-array列展开并解析，一步得到目标结果：

import pandas as pd

# 展开saledata的sub-array列，保留原行索引
saledata_expanded = saledata.explode('sub-array', ignore_index=False)

# 将展开后的字典数据归一化为DataFrame
sub_array_df = pd.json_normalize(saledata_expanded['sub-array'])

# 合并原saledata的id列与归一化后的子数组数据
result = pd.concat([saledata_expanded[['id']], sub_array_df], axis=1)

# 调整列名以匹配期望格式
result = result.rename(columns={
    'type': 'type',
    'id': 'itemdata.id',
    'attributes.status': 'itemdata.attributes.status',
    'attributes.quantity': 'itemdata.attributes.quantity',
    'attributes.various_other_data': 'itemdata.attributes.various_other_data'
})

# 可选：重置索引并调整格式
result = result.reset_index(drop=False).rename(columns={'index': ''})

方案2：基于已有的itemdata进行匹配 #

如果你已经有归一化后的itemdata，可以先建立主数组id与子项id的映射关系，再合并：

import pandas as pd

# 展开saledata并提取主id与子项id的映射
saledata_expanded = saledata.explode('sub-array')
saledata_expanded['item_id'] = saledata_expanded['sub-array'].apply(lambda x: x['id'])
id_mapping = saledata_expanded[['id', 'item_id']]

# 合并itemdata与映射表
result = pd.merge(itemdata, id_mapping, left_on='id', right_on='item_id')

# 调整列顺序和名称到期望格式
result = result[['id', 'type', 'id_x', 'attributes.status', 'attributes.quantity']].rename(columns={
    'id_x': 'itemdata.id',
    'attributes.status': 'itemdata.attributes.status',
    'attributes.quantity': 'itemdata.attributes.quantity'
})

最终结果 #

执行上述代码后，将得到符合需求的合并结果：

id   type         itemdata.id   itemdata.attributes.status   itemdata.attributes.quantity
    0   001   line_items   78            allocated              etc
    1   002   line_items   80            allocated              etc
    2   003   line_items   85            allocated              etc
    2   003   line_items   86            allocated              etc
    3   004   line_items   92            allocated              etc
    3   004   line_items   93            allocated              etc

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