动态透视转置嵌套JSON生成目标结构Pandas DataFrame

之前groupby聚合后无法完成列对齐的核心原因：遍历阶段没有给同属一条根到叶子路径的节点绑定唯一分支标识，聚合后丢失了值和所属行的对应关系，自然无法完成行列转换。
不需要重构你现有的快速递归解析逻辑，只需要在遍历阶段增加分支ID追踪，再通过透视一步得到目标结果，全程性能和你原有的nested_parser基本持平，远快于explode/flatten类方案。

第一步：改造现有nested_parser递归函数，增加分支追踪逻辑 #

在递归遍历过程中，每遇到列表的一个元素，就生成全局唯一的分支ID，同一条完整根到叶子路径上的所有叶子节点，共享同一个分支ID。遍历输出的每条记录只保留三个核心字段：

• branch_id：所属分支的唯一标识，后续作为行对齐的依据
• full_path：点分隔的完整层级路径，后续直接作为输出列名
• leaf_value：叶子节点的实际值，空位置直接在遍历阶段填充None
  参考实现代码（可以直接适配你现有递归逻辑改造）：

def nested_parser(obj, prefix="", branch_id="0", result=None):
    if result is None:
        result = []
    # 处理字典节点：拼接键名到路径，继续递归
    if isinstance(obj, dict):
        for key, value in obj.items():
            current_path = f"{prefix}.{key}" if prefix else key
            nested_parser(value, current_path, branch_id, result)
    # 处理列表节点：每个列表元素分配独立分支ID，继续递归
    elif isinstance(obj, list):
        for list_idx, item in enumerate(obj):
            # 基于父分支ID+列表索引生成全局唯一ID，避免不同分支ID冲突
            sub_branch_id = f"{branch_id}_{list_idx}"
            nested_parser(item, prefix, sub_branch_id, result)
    # 遇到叶子节点直接写入结果集
    else:
        result.append({
            "branch_id": branch_id,
            "full_path": prefix,
            "leaf_value": obj
        })
    return result

第二步：透视直接生成目标结构化DataFrame #

不需要做groupby聚合后再转列，拿到扁平化的记录列表后，直接用透视表按分支ID做行对齐，一步得到最终结果，缺失位置会自动填充为NaN：

import pandas as pd

# 传入原始嵌套JSON执行解析
flat_records = nested_parser(your_raw_json_input)
# 转为临时扁平化表
temp_df = pd.DataFrame(flat_records)
# 透视得到最终结果：行对应原始JSON的一条完整分支记录，列对应点分隔路径
final_df = temp_df.pivot(
    index="branch_id",
    columns="full_path",
    values="leaf_value"
).reset_index(drop=True).rename_axis(columns=None)

方案说明 #

• 性能表现：仅在原有递归逻辑上增加了分支ID生成的字符串操作，没有额外遍历开销，保留了你原有自定义解析的速度优势
• 对齐准确性：所有同分支的叶子节点通过branch_id绑定，不会出现列值错位问题
• 适配性：支持任意层级的字典、列表嵌套，不需要提前定义JSON结构
• 输出格式完全匹配要求：列名为点分隔层级路径，同分支值按行对齐，缺失位置自动填充NaN

内容的提问来源于stack exchange，提问作者user9946307