如何用Pandas和Numpy按dps字段区分LED灯与开关设备

问题分析 #

核心需求很明确：从API返回的嵌套JSON数据里，依据dps字段的键值区分11台设备——只要dps里有1就是开关设备，有20就是LED灯设备，最终要把两类设备分开处理。

分步解决方法 #

1. 先把嵌套JSON解析成DataFrame #

API返回的JSON是嵌套结构，直接用pd.json_normalize()就能把嵌套的字段展开，方便后续操作：

import pandas as pd

# 假设你的原始JSON数据存在data变量里
df = pd.json_normalize(data)

2. 按dps键值筛选分类 #

直接对dps列用apply判断键是否存在，就能快速拆分两类设备：

# 筛选开关设备（dps包含键'1'）
switch_devices = df[df['dps'].apply(lambda x: '1' in x.keys())]

# 筛选LED灯设备（dps包含键'20'）
led_devices = df[df['dps'].apply(lambda x: '20' in x.keys())]

3. 验证结果 #

可以打印两类设备的数量，确认是否覆盖所有11台设备：

print(f"开关设备数量：{len(switch_devices)}")
print(f"LED灯设备数量：{len(led_devices)}")

常见踩坑排查 #

如果之前的代码没成功，大概率是这几个原因：

• 键的类型不匹配：JSON里的dps键可能是字符串（比如'1'）而不是数字1，一定要和你实际数据里的键类型对应。
• JSON没正确展开：如果dps是深层嵌套的结构，要确保json_normalize正确解析到这个字段，或者手动提取dps列。
• 设备类型重叠：如果有设备同时包含dps.1和dps.20，上面的代码会把它分到两个DataFrame里，要是想分开纯开关/纯LED设备，就改下筛选条件：

  # 只保留仅含dps.1的开关设备
  pure_switch = df[df['dps'].apply(lambda x: '1' in x and '20' not in x)]
  # 只保留仅含dps.20的LED设备
  pure_led = df[df['dps'].apply(lambda x: '20' in x and '1' not in x)]
  

完整示例代码 #

假设你的JSON数据长这样：

[
  {"device_id": "dev001", "dps": {"1": true, "3": "auto"}},
  {"device_id": "dev002", "dps": {"20": 70, "21": "cool"}},
  {"device_id": "dev003", "dps": {"1": false, "20": 100}}
]

完整处理代码：

import pandas as pd

# 示例JSON数据
data = [
  {"device_id": "dev001", "dps": {"1": True, "3": "auto"}},
  {"device_id": "dev002", "dps": {"20": 70, "21": "cool"}},
  {"device_id": "dev003", "dps": {"1": False, "20": 100}}
]

# 解析JSON到DataFrame
df = pd.json_normalize(data)

# 分类设备
switch_devices = df[df['dps'].apply(lambda x: '1' in x)]
led_devices = df[df['dps'].apply(lambda x: '20' in x)]

# 输出结果
print("开关设备列表：")
print(switch_devices[['device_id', 'dps']])
print("\nLED灯设备列表：")
print(led_devices[['device_id', 'dps']])

运行后会输出：

开关设备列表：
  device_id                        dps
0    dev001  {'1': True, '3': 'auto'}
2    dev003  {'1': False, '20': 100}

LED灯设备列表：
  device_id                        dps
1    dev002  {'20': 70, '21': 'cool'}
2    dev003  {'1': False, '20': 100}

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