遍历DataFrame参数发起API GET请求并将JSON结果存入DataFrame

以下是实现需求的完整代码方案，包含参数替换、API请求、结果合并的全流程：

步骤1：导入依赖库 #

import pandas as pd
import requests

步骤2：配置基础参数与请求模板 #

替换占位符为你的实际API配置：

HOST = "https://your-real-api-host.com"
VERSION_CLIENT = "v1"
CLIENT_TOKEN = "your-valid-client-token"

# 修正请求模板格式（GET请求参数需用?开头、&分隔）
request_template = f"{HOST}/client/{VERSION_CLIENT}/?access_token={CLIENT_TOKEN}&paramA={{paramA}}&paramB={{paramB}}&paramC={{paramC}}"

步骤3：构造原始DataFrame #

# 你的原始参数数据
raw_data = {
    "paramA": ["xyz", "xyy"],
    "paramB": [123, 122],
    "paramC": ["abc", "abb"]
}
df = pd.DataFrame(raw_data)

步骤4：定义API请求处理函数 #

加入异常捕获，避免单个请求失败中断整个流程：

def get_api_response(row):
    # 用当前行参数替换模板占位符
    request_url = request_template.format(**row.to_dict())
    try:
        response = requests.get(request_url)
        response.raise_for_status()  # 触发HTTP错误（如404、500）
        return response.json()
    except Exception as e:
        # 请求失败时记录错误信息
        return {"request_error": str(e)}

步骤5：执行请求并合并结果 #

# 对每行数据发送API请求，生成响应结果列
df["api_response"] = df.apply(get_api_response, axis=1)

# 可选：将JSON响应展开为单独列（方便后续分析）
df = pd.concat([df, df["api_response"].apply(pd.Series)], axis=1)

# 可选：删除临时的api_response列（不需要保留原始JSON时）
# df.drop("api_response", axis=1, inplace=True)

关键说明 #

• 用**row.to_dict()将行数据转为键值对，直接填充请求模板，避免手动拼接参数出错
• 异常处理确保单条请求失败时，整个流程不会终止，错误信息会被记录到结果中
• 展开JSON响应为列后，可直接对返回字段进行筛选、分析操作

内容的提问来源于stack exchange，提问作者shj997