如何使用Pandas读取JSON文件并转换为含多行列的DataFrame

步骤1：导入所需库 #

import pandas as pd
import json

步骤2：读取JSON文件 #

假设你的JSON文件名为cibil_data.json，先加载文件内容：

with open('cibil_data.json', 'r', encoding='utf-8') as f:
    raw_data = json.load(f)

步骤3：提取公共关联字段 #

提取外层元数据和嵌套的非数组信息（评分、办公状态等），这些字段对所有账户/查询记录都是通用的：

# 外层基础字段
common_data = {
    '_id': raw_data['_id'],
    'userId': raw_data['userId'],
    'tenantId': raw_data['tenantId'],
    'createDate': raw_data['createDate'],
    'type': raw_data['type'],
    'isOutputValid': raw_data['isOutputValid'],
    'bureauStatus': raw_data['data']['bureauStatus']
}

# 合并信用评分信息
common_data.update(raw_data['data']['scoreInfo'])

# 合并办公信息（取数组第一个元素）
common_data.update(raw_data['data']['officeInfo'][0])

步骤4：转换账户信息为结构化DataFrame #

将嵌套的accountInfo数组转为DataFrame，并为每一行添加上一步提取的公共字段：

# 生成账户信息DataFrame
account_df = pd.DataFrame(raw_data['data']['accountInfo'])

# 为所有账户行添加公共字段
for field, value in common_data.items():
    account_df[field] = value

# 调整列顺序（可选，让公共字段排在前面）
column_order = list(common_data.keys()) + [col for col in account_df.columns if col not in common_data.keys()]
account_df = account_df[column_order]

扩展：转换查询信息为DataFrame #

如果需要处理enquiryInfo，方法类似：

enquiry_df = pd.DataFrame(raw_data['data']['enquiryInfo'])
for field, value in common_data.items():
    enquiry_df[field] = value

最终生成的account_df就是包含多列多行的结构化表格，每行对应一个账户记录，同时关联了所有基础元数据、信用评分和办公信息，与目标效果一致。

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