如何扁平化嵌套JSON以适配SQL上传？Python代码求助

你原来的json_normalize调用只处理了顶层结构，没对in_network里的多层嵌套列表做展开。要实现完全扁平化，得逐层解析嵌套的列表和字典，把所有字段拆成独立列。下面是优化后的代码：

import json
import pandas as pd

# 加载JSON数据
with open('new_test.json', 'r') as f:
    data = json.load(f)

# 第一步：展开最外层的in_network列表，保留顶层元数据字段
df = pd.json_normalize(
    data,
    record_path='in_network',
    meta=[
        'reporting_entity_name', 'reporting_entity_type', 'plan_name',
        'plan_id_type', 'plan_id', 'plan_market_type', 'last_updated_on', 'version'
    ]
)

# 第二步：展开negotiated_rates列表并解析内部字典
df = df.explode('negotiated_rates').reset_index(drop=True)
df = pd.concat([df.drop('negotiated_rates', axis=1), pd.json_normalize(df['negotiated_rates'])], axis=1)

# 第三步：展开provider_groups列表并解析内部字典
df = df.explode('provider_groups').reset_index(drop=True)
df = pd.concat([df.drop('provider_groups', axis=1), pd.json_normalize(df['provider_groups'])], axis=1)

# 处理npi列表：转成字符串（适配SQL存储，避免数组类型问题）
df['npi'] = df['npi'].apply(lambda x: ','.join(map(str, x)))

# 第四步：展开tin字典为独立列
df = pd.concat([df.drop('tin', axis=1), pd.json_normalize(df['tin'])], axis=1)

# 第五步：展开negotiated_prices列表并解析内部字典
df = df.explode('negotiated_prices').reset_index(drop=True)
df = pd.concat([df.drop('negotiated_prices', axis=1), pd.json_normalize(df['negotiated_prices'])], axis=1)

# 查看扁平化后的结果
print(df.columns)

关键步骤说明 #

• 用json_normalize的record_path参数指定要展开的列表字段，meta保留顶层的非列表字段，确保每条记录都关联原始的元数据。
• 对每层嵌套的列表（negotiated_rates、provider_groups、negotiated_prices），先用explode把列表拆成多行，再用json_normalize解析里面的字典，合并到原DataFrame。
• 把npi列表转成字符串，因为大部分SQL数据库不直接支持数组类型，这样更适配上传需求。
• 对嵌套的字典（比如tin），直接用json_normalize拆成独立列。

运行后，所有字段都会变成类似negotiation_arrangement、negotiated_rate这样的独立列，完全没有嵌套结构，直接可以导入SQL数据库。

内容的提问来源于stack exchange，提问作者BARE BEAR