使用Python及pandas将特殊结构JSON转换为CSV的解决方案

原有代码无法正常生成二维表的核心原因是对当前JSON结构判断错误：

• 你之前的逻辑是为键值对型嵌套JSON设计的，默认values字段下的每一项是带列名键的字典，但这份JSON是BI系统导出的标准表格返回结构：
  • 所有列名按顺序存放在根节点的headers数组中
  • values下的每个子数组对应表格的一行数据，子数组内的元素按位置和headers里的列名一一对应，每个单元格是包含原始值data、显示值text的简单对象，没有附带列名键
• 代码里硬编码的列重命名规则是适配之前其他结构JSON的，和当前文件的字段完全不匹配。

import json
import pandas as pd


def read_json(filename: str) -> dict:
    try:
        with open(filename, "r", encoding="utf-8") as f:
            data = json.load(f)
    except Exception as e:
        raise Exception(f"读取文件 {filename} 失败: {str(e)}")
    return data


def main():
    json_data = read_json("response.json")
    # 提取表头
    table_columns = json_data["headers"]
    # 逐行提取单元格原始值
    table_rows = []
    for single_row in json_data["values"]:
        # 按位置提取每个单元格的data字段值，和表头顺序对齐
        row_values = [cell["data"] for cell in single_row]
        table_rows.append(row_values)
    # 构造标准二维表结构的DataFrame
    df = pd.DataFrame(table_rows, columns=table_columns)
    # 导出CSV，关闭索引输出，用utf-8-sig编码避免Windows下中文乱码
    df.to_csv("details.csv", index=False, encoding="utf-8-sig")
    print(f"转换完成，共导出{len(df)}行数据，列名：{table_columns}")


if __name__ == '__main__':
    main()

• 不需要调用json_normalize做嵌套展开，这份JSON的行列是按位置匹配的平铺结构，直接按索引对齐即可
• 如果需要保留BI系统格式化后的显示文本（比如数值保留特定小数位、日期格式化后的结果），把取值逻辑里的cell["data"]替换为cell["text"]即可
• 代码没有硬编码列名，后续如果接口返回的列有增减，只要headers和values的位置对应关系不变，不需要修改代码就能正常转换。

内容的提问来源于stack exchange，提问作者ITguy