如何在Python中将Plaid交易列表转换为列结构规整的DataFrame

• 第一步：安装依赖（未安装pandas时执行）
  终端执行命令：

  pip install pandas
  

• 第二步：基础转换（顶层键直接作为列）
  你从Plaid获取的交易数据通常是单条交易字典组成的列表，直接传入pd.DataFrame即可生成目标结构：

  import pandas as pd
  
  # plaid_transactions为存储所有交易数据的列表，元素为你示例中的字典结构
  df = pd.DataFrame(plaid_transactions)
  

  生成的DataFrame会自动将account_id、amount等所有顶层字典键设为列名，对应值自动填充。其中category列存储原始列表，location、payment_meta列存储原始嵌套字典。
• 第三步：进阶转换（展开嵌套字典为独立列）
  如果需要把嵌套的位置、支付元数据拆为单独列，使用pd.json_normalize即可自动完成扁平化处理：

  import pandas as pd
  
  df = pd.json_normalize(plaid_transactions)
  

  转换后嵌套字段会以父键.子键格式作为列名，比如location.address、payment_meta.reference_number都是独立列，无需手动解析。
• 可选操作：拆分分类列表为独立列
  如果需要把category的多级分类拆为单独列，补充以下代码即可：

  # 拆分出三级分类列，空值自动填充为None
  df[["category_l1", "category_l2", "category_l3"]] = pd.DataFrame(df["category"].tolist(), index=df.index)
  
  # 不需要原始category列可执行删除
  df = df.drop(columns=["category"])
  

小提示 #

如果你熟悉R/dplyr的链式操作，pandas也支持通过.assign()、.query()、.pipe()等方法实现类似%>%的流式处理逻辑，上手门槛很低。

内容的提问来源于stack exchange，提问作者rayfinkle