Python如何提取列表内JSON数据并展平为列保留asin字段

你触发AttributeError: 'list' object has no attribute 'values'的核心原因是pd.json_normalize要求输入为「元素是单条待展平字典/JSON对象」的可迭代结构，你直接传入df['salesMetricsByAsin']时，Series的每个单元格本身是存储了多条指标的列表，pandas会尝试把传入的Series整体当作类字典结构读取values属性，列表没有该属性就会报错。

两种常用实现方式，按需选择即可：

方法1：分步炸开列表再展平（逻辑直观易调试） #

先把单元格内存储的列表拆成单行单条记录，再做JSON展平，最后拼接关联字段。

# 1. 将salesMetricsByAsin列的嵌套列表拆分为独立行，保留asin、sellingProgramName等关联字段
df_exploded = df.explode('salesMetricsByAsin', ignore_index=True)

# 2. 对拆分后的单条JSON指标做展平
metrics_cols = pd.json_normalize(df_exploded['salesMetricsByAsin'], errors='ignore')

# 3. 拼接关联字段和展平后的指标列，得到最终表
final_df = pd.concat(
    [df_exploded[['asin', 'sellingProgramName']].reset_index(drop=True), metrics_cols],
    axis=1
)

如果shippedRevenue、shippedCOGS这类指标本身还嵌套了金额、币种字段，json_normalize会自动按层级拆分为shippedRevenue.amount、shippedRevenue.currencyCode这类独立列，无需额外处理。

方法2：读取时一次性完成两层展平（性能更优，适合大数据量） #

第一次调用json_normalize时就配置两层记录路径，通过meta参数指定需要保留的上层关联字段，省去中间DataFrame处理步骤：

final_df = pd.json_normalize(
    data=j,
    # 按嵌套层级指定两层记录路径：先取项目维度销售数据，再取ASIN下按日期存储的指标列表
    record_path=[
        'salesMetricsByProgram',
        'salesMetricsByAsin'
    ],
    # 指定需要保留的上层关联字段，嵌套字段要按层级写成列表格式
    meta=[
        'sellingProgramName',
        ['salesMetricsByProgram', 'asin']
    ],
    errors='ignore'
)

# 重命名带层级前缀的ASIN列
final_df = final_df.rename(columns={'salesMetricsByProgram.asin': 'asin'})

• 如果存在部分ASIN无对应销售指标（salesMetricsByAsin为空列表/空值），explode处理后对应行会自动填充为空值，可按需选择删除空行或保留。
• 用方法2时，meta参数里嵌套在上层路径下的字段必须按嵌套顺序写为列表格式，否则会出现字段找不到的报错。

内容的提问来源于stack exchange，提问作者timc