如何将Pandas DataFrame转换为指定结构的JSON用于POST请求

问题背景 #

使用Python 3.9 + Pandas，现有如下结构的DataFrame：

需要转换为以下指定结构的JSON，用于外部接口POST请求：

{
    "label_1": "description_harcode_here_1",
    "description_harcode_here_2" : [
        {
            "field": "AVG_SCORE",
            "avg": -0.487,
            "count": 388545
        },
        {
            "field": "ASD_SCORE",
            "avg": -0.560,
            "count": 388545
        },
        {
            "field": "QWE_AVG",
            "avg": -0.171,
            "count": 388545
        },
        {
            "field": "OPO_SCORE",
            "avg":  -0.581,
            "count": 388545
        },
        {
            "field": "HAHA_SCORE",
            "avg":  0.063,
            "count": 388545
        }
    ]
}

实现方法 #

直接通过Pandas的行提取和字典遍历即可完成转换，代码示例如下：

import pandas as pd
import json

# 假设你的DataFrame已经存在，这里构造示例数据
df = pd.DataFrame({
    'AVG_SCORE': [-0.487, 388545],
    'ASD_SCORE': [-0.560, 388545],
    'QWE_AVG': [-0.171, 388545],
    'OPO_SCORE': [-0.581, 388545],
    'HAHA_SCORE': [0.063, 388545]
})

# 提取第一行作为avg值，第二行作为count值，转为字典
avg_dict = df.iloc[0].to_dict()
count_dict = df.iloc[1].to_dict()

# 生成字段列表
field_items = []
for field_name in avg_dict:
    field_items.append({
        'field': field_name,
        'avg': avg_dict[field_name],
        'count': count_dict[field_name]
    })

# 组装最终的JSON结构
target_json = {
    'label_1': 'description_harcode_here_1',
    'description_harcode_here_2': field_items
}

# 转换为格式化的JSON字符串（如果需要直接发送请求，也可以使用字典结构）
formatted_json_str = json.dumps(target_json, indent=4)
print(formatted_json_str)

代码说明 #

1. 行提取：用df.iloc[0]获取第一行的所有avg值，df.iloc[1]获取第二行的count值，转成字典后可以通过字段名直接取值。
2. 遍历构造列表：循环每个字段名，生成包含field、avg、count的字典，加入列表。
3. 组装目标结构：将硬编码的固定字段和生成的列表组合成目标字典，如需JSON字符串则用json.dumps格式化。

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