如何将JSON数据与字典合并为Pandas DataFrame？

分几种常见场景给你具体实现：

场景1：JSON是多条记录列表，字典是全局补充字段 #

如果你的JSON解析后是包含多条数据的列表，字典是要给每条记录都加上的统一字段（比如城市、国家这类信息），直接把字典转为DataFrame的新列即可：

import pandas as pd

# 已解析好的JSON数据（列表格式）
json_data = [
    {"name": "Alice", "age": 25},
    {"name": "Bob", "age": 30}
]

# 需要添加的全局信息字典
extra_info = {"city": "New York", "country": "USA"}

# JSON转DataFrame
df = pd.DataFrame(json_data)

# 把字典的每个键值对作为新列插入
for key, val in extra_info.items():
    df[key] = val

print(df)

运行后输出：

name  age      city country
0  Alice   25  New York     USA
1    Bob   30  New York     USA

场景2：JSON是单条记录字典，和另一个字典合并成单行DataFrame #

如果JSON本身就是单条数据的字典，直接合并两个字典再转DataFrame就行：

import pandas as pd

# 单条JSON数据（字典格式）
json_data = {"name": "Charlie", "age": 35}

# 补充信息字典
extra_info = {"city": "London", "country": "UK"}

# 合并两个字典（Python3.5+支持{**a, **b}语法）
combined = {**json_data, **extra_info}
# 转成DataFrame要套个列表，不然会把键作为列名、值作为行
df = pd.DataFrame([combined])

print(df)

输出结果：

name  age    city country
0  Charlie   35  London      UK

场景3：JSON包含嵌套结构，字典补充嵌套字段 #

如果JSON里有嵌套的字典，要把补充信息合并到嵌套字段里，先遍历修改原始数据，再用json_normalize展开嵌套结构：

import pandas as pd
import json

# 原始JSON字符串，先解析成Python对象
json_str = '[{"name": "David", "details": {"height": 180}}, {"name": "Eve", "details": {"height": 165}}]'
json_data = json.loads(json_str)

# 嵌套字段的补充信息
extra_info = {"details": {"weight": 75}}

# 遍历每条记录，合并嵌套字典
for item in json_data:
    item["details"] = {**item["details"], **extra_info["details"]}

# 展开嵌套结构生成DataFrame
df = pd.json_normalize(json_data)

print(df)

输出结果：

name  details.height  details.weight
0  David             180              75
1    Eve             165              75

内容的提问来源于stack exchange，提问作者Alexander