如何用Pandas将指定嵌套JSON解析为目标格式的DataFrame？

嗨，我来帮你搞定这个嵌套JSON转DataFrame的问题！

你已经用pd.read_json("json.json", lines=True)做对了第一步——因为你的文件是每行一个独立JSON对象，lines=True能正确读取它们，但读出来的DataFrame里只有一列SeriousDlqin2yrs，每个单元格都是嵌套的字典，这就是你后续操作卡壳的原因。

其实Pandas有个专门处理嵌套JSON的工具pd.json_normalize，用它就能一步到位展开你要的结构，比apply高效多了，具体代码如下：

import pandas as pd
import json

# 方法一：先读取每行JSON再解析
with open("json.json", "r") as f:
    json_data = [json.loads(line.strip()) for line in f]

df = pd.json_normalize(json_data)

# 方法二：基于你已有的read_json结果直接处理
predictions = pd.read_json("json.json", lines=True)
df = pd.json_normalize(predictions["SeriousDlqin2yrs"])

运行后你会得到完全符合预期的DataFrame：

如果你非要用apply的方式（不推荐，效率偏低），也可以这样调整：

predictions = pd.read_json("json.json", lines=True)
df = pd.concat(
    predictions.apply(lambda row: pd.DataFrame(row["SeriousDlqin2yrs"], index=[row.name]), axis=1)
)

本质是把每行的嵌套字典转换成一个小DataFrame，再用pd.concat把它们拼接成完整的结构，但显然json_normalize是更优雅的解决方案~

内容的提问来源于stack exchange，提问作者xiaodai