如何提取字典中的嵌套字典并转换为单层字典？

我有一个字典，部分键值对的值是基础类型，部分是嵌套字典。数据示例如下：

original_dict = {
    'amount': 123,
    'baseUnit': 'test',
    'currency': {'code': 'EUR'},
    'dimensions': {
        'height': {'iri': 'http://www.example.com/data/measurement-height-12345',
                   'unitOfMeasure': 'm',
                   'value': 23},
        'length': {'iri': 'http://www.example.com/data/measurement-length-12345',
                   'unitOfMeasure': 'm',
                   'value': 8322},
        'volume': {'unitOfMeasure': '', 'value': 0},
        'weight': {'iri': 'http://www.example.com/data/measurement-weight-12345',
                   'unitOfMeasure': 'KG',
                   'value': 23},
        'width': {'iri': 'http://www.example.com/data/measurement-width-12345',
                  'unitOfMeasure': 'm',
                  'value': 1}
    },
    'exportListNumber': '1234',
    'iri': 'http://www.example.com/data/material-12345',
    'number': '12345',
    'orderUnit': 'sdf',
    'producerFormattedPID': '12345',
    'producerID': 'example',
    'producerNonFormattedPID': '12345',
    'stateID': 'm70',
    'typeID': 'FERT'
}

我需要将嵌套的部分（比如dimensions和price，示例中price未体现但需求类似）展开，得到一个仅包含扁平键值对的字典。例如，类似price: {'currency': {'code': 'EUR'}, 'amount': 123}的结构要转换为{'pricecurrencycode':'EUR','priceamount':123}；dimensions下的所有嵌套内容也要全部提取，方便后续转换为DataFrame。

方法一：通用递归扁平化函数 #

如果需要对所有嵌套字典进行通用扁平化，用下划线拼接父键和子键，可以用递归函数实现：

def flatten_dict(d, parent_key='', sep='_'):
    items = []
    for k, v in d.items():
        new_key = f"{parent_key}{sep}{k}" if parent_key else k
        if isinstance(v, dict):
            items.extend(flatten_dict(v, new_key, sep=sep).items())
        else:
            items.append((new_key, v))
    return dict(items)

# 调用函数
flattened = flatten_dict(original_dict)
print(flattened)

输出结果示例（部分）：

{
    'amount': 123,
    'baseUnit': 'test',
    'currency_code': 'EUR',
    'dimensions_height_iri': 'http://www.example.com/data/measurement-height-12345',
    'dimensions_height_unitOfMeasure': 'm',
    'dimensions_height_value': 23,
    # ... 其他展开后的键值对
}

方法二：定制化符合特定命名规则的扁平化 #

如果需要像你要求的那样，把price相关的字段命名为pricecurrencycode、priceamount，或者对dimensions有特殊命名规则，可以针对性处理：

def custom_flatten(d):
    flattened = {}
    # 先处理非嵌套的基础字段
    for k, v in d.items():
        if k not in ['currency', 'dimensions', 'price']:
            flattened[k] = v
    
    # 处理currency（对应price相关的命名）
    if 'currency' in d:
        flattened['pricecurrencycode'] = d['currency']['code']
    if 'amount' in d:
        flattened['priceamount'] = d['amount']
    
    # 处理dimensions
    if 'dimensions' in d:
        for dim_name, dim_data in d['dimensions'].items():
            for sub_k, sub_v in dim_data.items():
                # 可自定义命名规则，比如dim_name + 下划线 + sub_k
                new_key = f"{dim_name}_{sub_k}"
                flattened[new_key] = sub_v
    
    return flattened

# 调用函数
custom_flattened = custom_flatten(original_dict)
print(custom_flattened)

输出结果示例（部分）：

{
    'baseUnit': 'test',
    'exportListNumber': '1234',
    'iri': 'http://www.example.com/data/material-12345',
    # ... 其他基础字段
    'pricecurrencycode': 'EUR',
    'priceamount': 123,
    'height_iri': 'http://www.example.com/data/measurement-height-12345',
    'height_unitOfMeasure': 'm',
    'height_value': 23,
    # ... 其他dimensions展开的字段
}

方法三：使用pandas的json_normalize（直接转DataFrame） #

如果最终目的是转换为DataFrame，可以直接用pandas的json_normalize函数，它会自动处理嵌套字典：

import pandas as pd

df = pd.json_normalize(original_dict, sep='_')
print(df.columns)
# 输出的列名就是扁平化后的键，比如'currency_code'、'dimensions_height_iri'等

这种方法无需手动编写扁平化函数，直接生成符合需求的DataFrame。

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