如何将嵌套JSON股票数据转CSV？解决Pandas两类报错问题

我来帮你搞定这个嵌套JSON转CSV的问题，先分析下你遇到的两个报错原因，再给出两种简洁的解决方案：

报错原因解析 #

1. ValueError: If using all scalar values, you must pass an index
   你直接用pd.read_json('data.json')读取后，得到的是一个只有1列（Global Quote）的DataFrame，而这一列的单元格值是完整的嵌套字典（属于标量值）。当你调用to_csv时，Pandas无法直接将这种嵌套结构拆分成CSV的列，所以抛出这个错误。

2. TypeError: string indices must be integers
   这个错误应该是你手动处理时的操作失误——比如你可能没有用json.load()正确解析JSON文件，直接把文件读取的字符串当成字典去索引（比如f.read()['Global Quote']），字符串只能用整数索引位置，自然会报错。

最优解决方案 #

方法一：先解析提取嵌套字典，再转DataFrame #

这是最直观的方式，延续你已经做的提取步骤，只要正确转换为DataFrame即可：

import json
import pandas as pd

# 读取并解析JSON文件
with open('data.json', 'r') as f:
    meta = json.load(f)

# 提取嵌套的核心数据字典
data_dict = meta['Global Quote']

# 将单个字典转为DataFrame（注意要把字典放进列表中，确保Pandas识别为一行数据）
df = pd.DataFrame([data_dict])

# 保存为CSV，设置index=False避免生成额外的索引列
df.to_csv('datatest.csv', encoding='utf-8-sig', index=False)

方法二：用Pandas的json_normalize直接处理嵌套JSON #

json_normalize是Pandas专门为嵌套JSON设计的工具，适合各种复杂嵌套结构，这里用它更简洁：

import pandas as pd

# 先读取JSON为Series（typ='series'会把顶层JSON转为Series，值就是嵌套字典）
json_series = pd.read_json('data.json', typ='series')

# 用json_normalize展开嵌套字典为平级DataFrame
df = pd.json_normalize(json_series)

# 保存CSV
df.to_csv('datatest.csv', encoding='utf-8-sig', index=False)

两种方法最终都会生成符合预期的CSV，列就是01. symbol、02. open这些字段，行就是对应的股票数据。

内容的提问来源于stack exchange，提问作者CLi