求助：使用Python及pandas json_normalize转换深度嵌套JSON为CSV失败

分步处理方案 #

1. 加载JSON数据 #

先将JSON数据加载到Python环境中，假设数据已读取到变量data内：

import json
import pandas as pd

# 读取本地JSON文件（或直接使用已加载的JSON数据）
with open("your_data.json", "r") as f:
    data = json.load(f)

2. 拆解深层嵌套的kpis.results #

针对details.kpis.results的多层嵌套结构，先单独提取该部分数据，再关联上层元信息：

# 提取嵌套的results列表
kpis_results = data["details"]["kpis"]["results"]

# 提取需要保留的上层元数据（根据你的JSON实际字段调整）
meta_data = {
    "top_id": data.get("id"),
    "top_name": data.get("name")
    # 按需添加其他上层字段
}

# 为每个results条目添加上层元数据
for item in kpis_results:
    item.update(meta_data)

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

3. 处理子层级嵌套字段 #

如果results内仍有深层嵌套的字典或列表，可通过json_normalize展开：

# 展开results内的字典型嵌套字段，用下划线分隔层级
df = pd.json_normalize(kpis_results, sep="_")

# 若存在列表型嵌套字段（如sub_results），指定record_path展开并关联元数据
# df = pd.json_normalize(kpis_results, record_path="sub_results", meta=["top_id", "top_name"], sep="_")

4. 导出为CSV #

最终将处理好的数据导出为CSV文件：

df.to_csv("output.csv", index=False, encoding="utf-8")

关键注意事项 #

• 先确认details.kpis.results的结构：如果是字典类型，需先转为列表再处理。
• 元数据字段需根据你的JSON实际结构调整，确保子条目与上层标识信息关联。
• 多层嵌套列表需循环逐层展开，再合并数据，避免信息丢失。

内容的提问来源于stack exchange，提问作者Ray Raja