解析JSON转换为DataFrame并添加股票代码报错，求排查

问题背景 #

需要将获取的JSON数据解析为DataFrame，同时为每条季度报告记录添加对应的股票代码（symbol），执行代码时触发错误：AttributeError: 'list' object has no attribute 'values'。

现有数据与期望输出 #

• JSON变量定义：

income_statement_json = [(json.loads(requests.get(i).text)) for i in income_statement_url]

• JSON结构（原结构存在格式错误，已修正为标准格式）：

[
    {
        'symbol': 'MSFT',
        'quarterlyReports': [
            {'fiscalDateEnding': '2022-06-30', 'reportedCurrency': 'USD', 'grossProfit': '135620000000', 'totalRevenue': '196109000000'},
            {'fiscalDateEnding': '2021-06-30', 'reportedCurrency': 'USD', 'grossProfit': '115856000000', 'totalRevenue': '165936000000'}
        ]
    },
    {
        'symbol': 'AAPL',
        'quarterlyReports': [
            {'fiscalDateEnding': '2022-06-30', 'reportedCurrency': 'USD', 'grossProfit': '125620000000', 'totalRevenue': '196109000000'},
            {'fiscalDateEnding': '2021-06-30', 'reportedCurrency': 'USD', 'grossProfit': '105856000000', 'totalRevenue': '165936000000'}
        ]
    }
]

• 期望生成的DataFrame：

错误代码与报错信息 #

• 当前执行代码：

data = [(pd.DataFrame.from_dict(i['quarterlyReports'] , orient = 'index').sort_index(axis = 1).assign(ticker = i['quarterlyReports']['symbol'])) for i in income_statement_json]

• 错误信息：

AttributeError: 'list' object has no attribute 'values'

错误原因分析 #

1. JSON结构异常：原JSON中部分元素是列表而非字典（如第二个元素），遍历处理时会导致后续逻辑出错。
2. DataFrame转换参数错误：pd.DataFrame.from_dict()使用orient='index'参数时要求输入为字典类型，但i['quarterlyReports']是列表，列表没有values属性，触发报错。
3. Symbol赋值逻辑错误：代码中试图从i['quarterlyReports']['symbol']获取股票代码，但quarterlyReports是列表，不存在symbol键，正确取值应为i['symbol']。

解决方法 #

步骤1：清理JSON数据结构 #

先处理获取到的JSON，确保每个元素都是包含symbol和quarterlyReports的字典：

import pandas as pd
import json
import requests

# 清理数据，处理可能的列表嵌套
cleaned_data = []
for item in income_statement_json:
    if isinstance(item, list):
        cleaned_data.extend(item)
    else:
        cleaned_data.append(item)

步骤2：生成目标DataFrame #

遍历清理后的数据，将每个股票的季度报告转为DataFrame并添加symbol列，最后合并所有结果：

dfs = []
for item in cleaned_data:
    # 直接将季度报告列表转为DataFrame（列表内为字典，可直接解析）
    df = pd.DataFrame(item['quarterlyReports'])
    # 添加当前股票的symbol列
    df['symbol'] = item['symbol']
    # 调整列顺序，匹配期望输出
    df = df[['symbol', 'fiscalDateEnding', 'reportedCurrency', 'grossProfit', 'totalRevenue']]
    dfs.append(df)

# 合并所有DataFrame，生成最终结果
final_df = pd.concat(dfs, ignore_index=True)

结果验证 #

执行上述代码后，final_df的结构与内容将完全匹配期望输出。

内容的提问来源于stack exchange，提问作者nia4life