如何提取嵌套JSON指定字段转换为pandas DataFrame

requests.get()返回的resp是HTTP响应对象，不是解析完成的Python字典：

• 直接传入pd.DataFrame()时，pandas会按响应的原始字节流拆分，因此得到逐段字节的异常结果
• 直接访问resp.meta或者用resp['key']取值，会因为响应对象本身不支持属性、下标访问字典结构，抛出对应属性不存在、不可下标取值的错误

• 第一步：调用响应对象的json()方法，把接口返回的JSON字符串解析为Python字典
• 第二步：从解析后的字典中提取values字段，传入pd.DataFrame()即可。该字段下的每个元素刚好对应DataFrame的一行数据，会自动保留你需要的时间、开盘价、最高价、最低价、收盘价、成交量6个字段
• 第三步（可选）：转换字段类型，方便后续时序、量化分析

import requests
import pandas as pd

resp = requests.get(url)
# 解析JSON响应为字典
resp_data = resp.json()
# 提取目标字段生成DataFrame
df = pd.DataFrame(resp_data['values'])

# 可选：字段类型优化，适配后续计算
df['datetime'] = pd.to_datetime(df['datetime'])
numeric_columns = ['open', 'high', 'low', 'close', 'volume']
df[numeric_columns] = df[numeric_columns].apply(pd.to_numeric)

若执行resp.json()时抛出解析错误，可先打印resp.text检查接口实际返回内容，确认是否存在请求参数错误、鉴权失败、请求频率超限等非预期情况。

内容的提问来源于stack exchange，提问作者user1903663