如何简洁高效扁平化指定JSON并转换为目标结构DataFrame？

针对你不想生成过多列的需求，这里有个非常简洁且符合预期的方法，不需要复杂的循环或过度扁平化，用Python的列表推导式配合pandas就能轻松搞定，完全避开子键过多导致列爆炸的问题。

步骤示例 #

首先假设你的输入JSON已经加载为Python字典（如果是字符串格式，用json.loads()转一下即可）：

import pandas as pd

# 输入数据（已转为Python字典）
data = {
    "key1": "value1",
    "key2": "value2",
    "key3": {
        "value11": [{"id": "a1", "name": "b1"}],
        "value22": [{"id": "a2", "name": "b2"}, {"id": "a4", "name": "b4"}],
        "value33": [{"id": "a3", "name": "b3"}]
    }
}

然后用列表推导式预处理数据，把key3的每个子键作为col_3的值，同时展开每个子键对应的列表项：

# 预处理生成符合目标结构的字典列表
processed_data = [
    {
        "col_1": data["key1"],
        "col_2": data["key2"],
        "col_3": key3_subkey,
        **item  # 展开列表中的id、name字段
    }
    for key3_subkey, item_list in data["key3"].items()
    for item in item_list
]

# 转成目标DataFrame
df = pd.DataFrame(processed_data)

运行后得到的df就是你想要的结构：

为什么这个方案适合你？ #

• 避免列爆炸：不管key3下有多少个子键，最终只会生成固定的5列，完全符合你不想因子键过多生成大量列的需求。
• 简洁高效：用列表推导式完成预处理，代码可读性高，执行效率也不错，不需要依赖额外小众工具（pandas是数据分析领域的常用包，属于常规工具范畴）。
• 灵活扩展：如果后续key3的子结构有小变化（比如新增字段），只需要调整**item部分或者添加字段映射即可快速适配。

内容的提问来源于stack exchange，提问作者seriously divergent