Pandas json_normalize处理深层嵌套JSON时drivers数组未扁平化问题

max_level 参数仅对对象类型的嵌套层级生效，不会自动展开数组类型的嵌套值，因此specs.drivers这个车手列表会原样保留。
你之前单独使用record_path参数只返回drivers子集，是因为缺少meta参数声明需要保留的父级字段，展开数组时父级的车辆、基础配置信息没有被关联到展开后的行上。另外你写的pd.normalize是笔误，正确方法名为pd.json_normalize。

方案1：单步完成全量扁平化（性能最优） #

调用json_normalize时同时传入record_path（指定要展开的数组路径）和meta（指定需要保留的父级字段路径），即可自动关联所有字段，无需后续拼接：

import pandas as pd

df = pd.json_normalize(
    indict,
    # 指定需要展开为多行的嵌套数组路径
    record_path=["specs", "drivers"],
    # 列出所有需要保留的非数组父级字段，嵌套字段按层级写为列表路径
    meta=[
        "make",
        "model",
        "year",
        ["specs", "engine"],
        ["specs", "gearbox"],
        ["specs", "suspension"]
    ],
    # 给drivers展开的字段加统一前缀，避免和父级字段重名
    record_prefix="driver."
)

如果drivers数组存储的是字符串、数字这类简单值而非结构化对象，去掉record_prefix参数即可，展开后可通过df = df.rename(columns={0: "driver_name"})重命名生成的列。

方案2：分步扁平化（适配已生成初步DataFrame的场景） #

如果你已经完成了第一次扁平化、拿到了带未展开specs.drivers列的DataFrame，可以通过explode拆分数组后二次扁平化，不用重新执行全量normalize：

# 沿用之前的初步扁平化逻辑
df = pd.json_normalize(indict, max_level=5)

# 1. 将drivers数组拆分为单行单个车手的格式
df = df.explode("specs.drivers").reset_index(drop=True)

# 2. 把拆分出的drivers结构化字段扁平化，加前缀后和原表拼接
drivers_col = pd.json_normalize(df["specs.drivers"]).add_prefix("driver.")
df = pd.concat([df.drop(columns=["specs.drivers"]), drivers_col], axis=1)

• 使用单步方案时，meta参数里的嵌套字段必须严格按照JSON层级写为列表路径，比如specs下的engine不能直接写"engine"，必须写为["specs", "engine"]，否则会触发KeyError。
• 如果单条数据的drivers数组为空，单步方案默认会丢弃这条数据，需要保留空值行的话，额外传入参数errors="ignore"即可。
• 分步方案的灵活性更高，如果后续还有其他数组类型的嵌套字段需要展开，重复explode+二次normalize的流程即可，不需要提前枚举所有父级字段。

内容的提问来源于stack exchange，提问作者gdogg371