如何将嵌套JSON转换为目标Pandas DataFrame？求技术指导

针对你提供的嵌套JSON结构，我们可以通过遍历嵌套层级+收集数据行的方式，将所有层级信息和数组内容整合到目标DataFrame中，具体实现步骤如下：

实现思路 #

1. 遍历tables下的所有顶级表节点（如Cloc、T1）
2. 递归遍历每个表的嵌套结构，定位到值为数组的子节点（如Mob、T3）
3. 收集每个数组元素的上层标识（表名、层级路径）和元素内的字段（loc、loc2）
4. 将收集到的所有行数据转换为DataFrame，按需处理数组类型字段

代码实现 #

import pandas as pd

# 输入的嵌套JSON数据
nested_json = {
    "tables": {
        "Cloc": {
            "MINT": {
                "CANDY": {
                    "Mob": [
                        {"loc": "AA", "loc2": ["AAA"]},
                        {"loc": "AA", "loc2": ["AAA"]}
                    ]
                }
            }
        },
        "T1": {
            "MINT": {
                "T2": {
                    "T3": [{"loc": "AAA", "loc2": ["AAA"]}]
                }
            }
        }
    }
}

data_rows = []

# 遍历顶级表名
for table_name, table_data in nested_json['tables'].items():
    # 递归遍历嵌套结构，寻找数组节点
    def traverse(node, current_path):
        for key, value in node.items():
            if isinstance(value, list):
                # 遍历数组内的每个元素，收集完整数据行
                for item in value:
                    row = {
                        "表名": table_name,
                        "层级路径": ".".join(current_path + [key]),
                        "loc": item["loc"],
                        "loc2": item["loc2"]
                    }
                    data_rows.append(row)
            elif isinstance(value, dict):
                # 继续递归遍历子层级
                traverse(value, current_path + [key])
    
    traverse(table_data, [])

# 转换为DataFrame
df = pd.DataFrame(data_rows)

# 可选：将loc2的数组展开为单独行（如果需要）
# df = df.explode("loc2", ignore_index=True)

print(df)

输出示例 #

执行上述代码后，得到的DataFrame如下：

进阶调整 #

如果需要将层级路径拆分为单独的列（如level1、level2、level3），可以修改数据收集逻辑：

# 替换traverse函数内的row生成代码
path_parts = current_path + [key]
row = {"表名": table_name}
# 为每个层级生成单独列
for idx, part in enumerate(path_parts, 1):
    row[f"level{idx}"] = part
row.update({
    "loc": item["loc"],
    "loc2": item["loc2"]
})
data_rows.append(row)

调整后输出的DataFrame会包含单独的层级列，更贴合结构化展示需求。

内容的提问来源于stack exchange，提问作者Alind Billore