如何标准化JSON响应并将其转换为DataFrame？

我正在尝试标准化JSON字符串并将其转换为DataFrame。实际工作数据属于机密内容，无法展示，以下虚构场景可说明需求：

import json
import requests
import pandas as pd
from pandas.io.json import json_normalize

# 完全无法工作...
url = 'http://api.open-notify.org/iss-now.json'
response = requests.get(url)
text = response.text

# 抛出错误
df = json_normalize(text)

# 能转成列表但无法打印列名
my_list=[]
my_list.append(text)
print(type(my_list))

df = json_normalize(my_list)
df.columns
print(type(df))
df

我得到的是嵌套在列表中的字典。如何标准化JSON字符串并将其转换为标准化的DataFrame？实际JSON文件结构如下：

[{'id': '21201', 'name': 'SRW Utility, 4x4', 'latitude': 35.31068751, 'longitude': -80.66177891, 'headingDegrees': 161.2, 'speedMilesPerHour': 0}]

希望提取id、latitude、longitude等作为表头，并在表头下方以行形式展示数据。

核心问题是你传递给json_normalize的是JSON字符串，但它需要的是Python原生的字典或列表对象。以下是正确的处理步骤：

1. 解析JSON字符串为Python对象 #

不管是API响应的文本还是本地JSON字符串，都需要先转换成Python可识别的字典/列表：

import json
import requests
import pandas as pd
from pandas.io.json import json_normalize

# 处理API响应的情况：直接用response.json()更简便，等价于json.loads(response.text)
url = 'http://api.open-notify.org/iss-now.json'
response = requests.get(url)
data = response.json()

# 处理实际JSON字符串场景（如果是本地读取的字符串）
actual_json_str = '[{"id": "21201", "name": "SRW Utility, 4x4", "latitude": 35.31068751, "longitude": -80.66177891, "headingDegrees": 161.2, "speedMilesPerHour": 0}]'
actual_data = json.loads(actual_json_str)

2. 转换为DataFrame #

情况1：简单结构（如你实际的列表套字典） #

对于这种无深层嵌套的结构，直接用pd.DataFrame()更简洁：

df = pd.DataFrame(actual_data)
# 可选：提取指定列
df = df[['id', 'latitude', 'longitude', 'name', 'headingDegrees', 'speedMilesPerHour']]
print(df.columns)
print(df)

情况2：处理嵌套JSON（比如ISS API的响应） #

ISS API响应是嵌套字典结构，用json_normalize可以展开嵌套字段：

df = json_normalize(data)
# 可选：重命名列
df.rename(columns={'iss_position.latitude': 'latitude', 'iss_position.longitude': 'longitude'}, inplace=True)
print(df)

常见错误原因 #

• 直接传递JSON字符串给json_normalize：它无法解析字符串，必须是Python对象。
• 把JSON字符串添加到列表中再传递：此时列表里存的还是字符串，不是字典，依然无法解析。

内容的提问来源于stack exchange，提问作者ASH