如何用Python将多工作表Excel转换为指定嵌套JSON文件？

首先要明确：你想要的JSON格式不合法——JSON语法不允许在对象中直接嵌套无键的对象，也不能在数组里存放键值对（数组仅用于存储值集合，键值对需放在对象中）。先给你修正后的合法目标结构（两种可选）：

结构一（紧凑键值对） #

{
  "A": {
    "P1": {
      "T1": "P1.com"
    },
    "P2": {
      "T2": "P2.com",
      "T3": "P2.com"
    }
  },
  "B": {
    "Q1": {
      "T1": "Q1.com"
    },
    "Q2": {
      "T2": "Q2.com"
    }
  },
  "C": {
    "R1": {
      "T1": "R1.com"
    },
    "R2": {
      "T2": "R2.com"
    }
  }
}

结构二（层级更清晰，推荐） #

[
  {
    "Name": "A",
    "Projects": [
      {
        "Project": "P1",
        "Tasks": {
          "T1": "P1.com"
        }
      },
      {
        "Project": "P2",
        "Tasks": {
          "T2": "P2.com",
          "T3": "P2.com"
        }
      }
    ]
  },
  {
    "Name": "B",
    "Projects": [
      {
        "Project": "Q1",
        "Tasks": {
          "T1": "Q1.com"
        }
      },
      {
        "Project": "Q2",
        "Tasks": {
          "T2": "Q2.com"
        }
      }
    ]
  }
]

实现步骤与代码 #

假设你的Excel表头包含Name、Project，以及T1/T2/T3这类任务列，每行对应某Name下某Project的任务数据（空值代表该Project无此任务）。

代码实现（生成结构一） #

import json
import pandas as pd

# 读取Excel文件
df = pd.read_excel(r'D:\example.xlsx', sheet_name='Sheet1')

# 筛选所有以T开头的任务列
task_cols = [col for col in df.columns if col.startswith('T')]

# 初始化最终结果字典
result = {}

# 按Name分组处理
for name, name_group in df.groupby('Name'):
    project_dict = {}
    # 同一Name下再按Project分组
    for project, proj_group in name_group.groupby('Project'):
        tasks = {}
        # 提取当前Project的有效任务数据（过滤空值）
        for col in task_cols:
            val = proj_group[col].dropna().iloc[0] if not proj_group[col].isna().all() else None
            if val is not None:
                tasks[col] = val
        project_dict[project] = tasks
    result[name] = project_dict

# 导出为JSON文件
with open(r'D:\output.json', 'w', encoding='utf-8') as f:
    json.dump(result, f, indent=2, ensure_ascii=False)

若要生成结构二，替换结果构建部分即可 #

result = []
for name, name_group in df.groupby('Name'):
    projects_list = []
    for project, proj_group in name_group.groupby('Project'):
        tasks = {}
        for col in task_cols:
            val = proj_group[col].dropna().iloc[0] if not proj_group[col].isna().all() else None
            if val is not None:
                tasks[col] = val
        projects_list.append({
            "Project": project,
            "Tasks": tasks
        })
    result.append({
        "Name": name,
        "Projects": projects_list
    })

关键说明 #

• groupby是pandas分组处理的核心方法，能快速将同Name/Project的数据归为一组；
• 过滤空值是为了避免JSON中出现无效的null值，若不需要可直接移除空值判断逻辑；
• json.dump的indent=2用于格式化JSON，提升可读性；ensure_ascii=False支持中文内容（若你的数据包含中文）。

内容的提问来源于stack exchange，提问作者Anoosha