Python解析GeoJSON转DataFrame时出现数据行数缺失问题

我正尝试从市级行政区域GeoJSON文件中提取韩国各自治市的韩文、英文名称，所用Python代码如下：

import json 
import pandas as pd

Korean_municipalities = json.load(open('skorea-municipalities-2018-geo.json', 'r'))
munic_map_eng = {}

for feature in Korean_municipalities['features']:
        feature['id'] = feature['properties']['name_eng']
        munic_map_eng[feature['properties']['name']] = feature['id']  


df_munic = pd.DataFrame(list(munic_map_eng.items()))  

运行后出现数据缺失问题：

• 统计得len(Korean_municipalities['features']) = 250，即文件内共包含250个市级行政单元，但最终生成的DataFrame对象df_munic维度为df_munic.shape = (227,2)，共缺失23条记录。
• 将相同逻辑代码用于省级、sub-municipality级行政区域名称提取时：
  • sub-municipality级共3504个行政单元，最终生成的DataFrame仅3142行，存在同类缺失问题
  • 省级共17个行政单元，提取结果完全正常

核心原因是Python字典的键唯一性规则：
你用韩文行政区名feature['properties']['name']作为字典的键，韩国省级行政区共17个，本身没有重名，所以不会出现键覆盖，结果完全正常。但市级、sub-municipality级行政区存在大量跨上级区域的重名情况，遍历feature时，后出现的重名条目会直接覆盖字典中已存在的同键值，最终字典条目数必然小于实际feature总数，转成DataFrame就会出现记录缺失。

不要用字典做中间存储触发去重逻辑，直接遍历所有feature时将需要的字段存入列表，再转成DataFrame即可避免覆盖问题，参考代码：

import json 
import pandas as pd

Korean_municipalities = json.load(open('skorea-municipalities-2018-geo.json', 'r'))
record_list = []

for feature in Korean_municipalities['features']:
    # 按需提取字段，可加入行政编码、上级行政区名等字段做唯一区分
    record_list.append({
        "name_korean": feature['properties']['name'],
        "name_english": feature['properties']['name_eng']
    })

df_munic = pd.DataFrame(record_list)

运行后df_munic.shape[0]就会和feature总数完全一致，不会出现记录缺失。

内容的提问来源于stack exchange，提问作者leocanada