如何用Python规范化含4层嵌套数组的复杂JSON结构？

先明确示例数据（模拟你提到的4层嵌套结构） #

sample_json = {
    "vendor_name": "ABC Corp",
    "score_card": {
        "risk_groups": [
            {
                "name": "Acquisitions",
                "risk_score": None,
                "risks": [
                    {
                        "name": "Unapproved Acquisitions",
                        "risk_score": 7.5,
                        "indicators": [
                            {
                                "name": "Missing Approval Docs",
                                "risk_score": 8.0
                            },
                            {
                                "name": "Overbudget Spending",
                                "risk_score": 7.0
                            }
                        ]
                    },
                    {
                        "name": "Integration Risks",
                        "risk_score": 6.0,
                        "indicators": [
                            {
                                "name": "Cultural Misalignment",
                                "risk_score": 6.5
                            }
                        ]
                    }
                ]
            },
            {
                "name": "Financial Health",
                "risk_score": 5.0,
                "risks": [
                    {
                        "name": "Cash Flow Issues",
                        "risk_score": 6.5,
                        "indicators": []
                    }
                ]
            }
        ]
    }
}

报错原因解析 #

你遇到的TypeError是因为pd.json_normalize在指定record_path时，路径对应的字段存在非列表值（比如某个risk_groups/risks/indicators不是数组），或者JSON结构存在不一致（比如部分节点缺失子数组）。直接用复杂路径时容易忽略这种结构差异，导致解析失败。

两种可行解决方案 #

方案1：结构一致时用pd.json_normalize快速展开 #

如果你的JSON结构完全统一（所有risk_groups都有risks数组，所有risks都有indicators数组），可以直接用多层record_path和meta参数提取：

import pandas as pd

# 多层展开嵌套数组
df = pd.json_normalize(
    sample_json['score_card']['risk_groups'],
    record_path=['risks', 'indicators'],
    meta=[
        ['name'],
        ['risk_score'],
        ['risks', 'name'],
        ['risks', 'risk_score']
    ],
    errors='ignore'  # 忽略空数组的情况
)

# 重命名列并调整顺序到目标结构
df.columns = [
    'indicator_name', 'indicator_risk_score',
    'risk_group_name', 'risk_group_risk_score',
    'risk_name', 'risk_risk_score'
]
df = df[[
    'risk_group_name', 'risk_group_risk_score',
    'risk_name', 'risk_risk_score',
    'indicator_name', 'indicator_risk_score'
]]

print(df)

方案2：递归遍历提取（适配结构不一致场景） #

如果你的JSON存在结构差异（比如部分risks没有indicators数组），递归遍历的方式更可靠，也更容易调试：

import pandas as pd

def extract_risk_details(json_data):
    result_list = []
    # 遍历顶层risk_groups
    for risk_group in json_data['score_card']['risk_groups']:
        rg_name = risk_group.get('name')
        rg_score = risk_group.get('risk_score')
        # 遍历当前risk_group下的所有risks
        for risk in risk_group.get('risks', []):
            r_name = risk.get('name')
            r_score = risk.get('risk_score')
            # 处理indicators：没有的话生成空值行，有的话遍历每个indicator
            indicators = risk.get('indicators', [])
            if not indicators:
                result_list.append({
                    'risk_group_name': rg_name,
                    'risk_group_risk_score': rg_score,
                    'risk_name': r_name,
                    'risk_risk_score': r_score,
                    'indicator_name': None,
                    'indicator_risk_score': None
                })
            else:
                for indicator in indicators:
                    result_list.append({
                        'risk_group_name': rg_name,
                        'risk_group_risk_score': rg_score,
                        'risk_name': r_name,
                        'risk_risk_score': r_score,
                        'indicator_name': indicator.get('name'),
                        'indicator_risk_score': indicator.get('risk_score')
                    })
    return result_list

# 生成DataFrame
extracted_data = extract_risk_details(sample_json)
target_df = pd.DataFrame(extracted_data)
print(target_df)

方案选择建议 #

• 方案1代码简洁，适合结构完全规范的JSON；
• 方案2灵活性强，能处理各种结构不一致的情况，新手也能通过打印中间值快速调试。

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