如何在Julia中便捷读取嵌套JSON为DataFrame？

针对你遇到的问题，这里提供两种对应Python pd.json_normalize 的便捷解决方案：

1. 处理普通字典向量（无嵌套或浅嵌套） #

如果你的json_r["data"]是标准的字典向量，只是直接转DataFrame失败，可以先将每个字典转换为NamedTuple，再构造DataFrame：

using DataFrames, JSON, HTTP

r = HTTP.get(url_instrument_list, headers)
json_r = JSON.parse(String(r.body))
data = json_r["data"]
# 将每个Dict转换为NamedTuple，再生成DataFrame
df_instruments = DataFrame(NamedTuple.(data))

这种方法会自动将字典的键作为列名，缺失的键对应位置填充missing。

2. 处理嵌套JSON结构（对应pd.json_normalize） #

如果JSON存在多层嵌套结构，推荐使用JSONTables.jl包，它能自动展开嵌套的字典/数组，实现类似pd.json_normalize的功能：

步骤1：安装依赖包 #

using Pkg
Pkg.add(["JSONTables", "DataFrames", "HTTP", "JSON"])

步骤2：读取并转换 #

using DataFrames, JSON, HTTP, JSONTables

r = HTTP.get(url_instrument_list, headers)
json_r = JSON.parse(String(r.body))
data = json_r["data"]
# 自动解析嵌套JSON并转为DataFrame
df_instruments = DataFrame(jsontable(data))

原代码失败原因 #

你得到slots、keys、vals列，大概率是因为json_r["data"]中的元素不是标准的Dict类型，或者Julia的DataFrame构造函数对异构字典向量的解析方式与预期不符。通过转换为NamedTuple或使用JSONTables可以规避这个问题。

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