如何用Python将嵌套的LinkedIn粉丝统计JSON转换为指定格式CSV

我们可以先分别展开每个维度的嵌套列表为独立DataFrame，再按索引对齐合并，自动补全空值为NaN，最终导出CSV即可，完整实现代码如下：

import pandas as pd
import json

# 第一步：读取加载JSON数据（这里假设你的原始JSON存在data变量里）
# 若从文件读取则用：with open('your_file.json', 'r', encoding='utf8') as f: data = json.load(f)
element = data['elements'][0]

# 第二步：定义各维度的配置映射：原始键名 -> 输出列名映射
dim_config = {
    'followerCountsByAssociationType': {
        'dim_col': '关联类型',
        'organic_col': '关联类型维度自然粉丝数',
        'paid_col': '关联类型维度付费粉丝数'
    },
    'followerCountsByRegion': {
        'dim_col': '地域',
        'organic_col': '地域维度自然粉丝数',
        'paid_col': '地域维度付费粉丝数'
    },
    'followerCountsBySeniority': {
        'dim_col': '职级',
        'organic_col': '职级维度自然粉丝数',
        'paid_col': '职级维度付费粉丝数'
    },
    'followerCountsByIndustry': {
        'dim_col': '行业',
        'organic_col': '行业维度自然粉丝数',
        'paid_col': '行业维度付费粉丝数'
    },
    'followerCountsByFunction': {
        'dim_col': '职能',
        'organic_col': '职能维度自然粉丝数',
        'paid_col': '职能维度付费粉丝数'
    },
    'followerCountsByStaffCountRange': {
        'dim_col': '公司规模',
        'organic_col': '公司规模维度自然粉丝数',
        'paid_col': '公司规模维度付费粉丝数'
    },
    'followerCountsByCountry': {
        'dim_col': '国家',
        'organic_col': '国家维度自然粉丝数',
        'paid_col': '国家维度付费粉丝数'
    }
}

# 第三步：逐个处理每个维度生成DataFrame
df_list = []
max_len = 0

for dim_key, col_map in dim_config.items():
    # 展开当前维度的嵌套列表
    dim_df = pd.json_normalize(element[dim_key])
    # 重命名列
    dim_df = dim_df.rename(columns={
        dim_key.split('By')[-1].lower(): col_map['dim_col'],
        'followerCounts.organicFollowerCount': col_map['organic_col'],
        'followerCounts.paidFollowerCount': col_map['paid_col']
    })
    # 只保留需要的列
    dim_df = dim_df[[col_map['dim_col'], col_map['organic_col'], col_map['paid_col']]]
    df_list.append(dim_df)
    # 更新最大长度
    if len(dim_df) > max_len:
        max_len = len(dim_df)

# 第四步：所有DataFrame对齐到最大长度，补全空值
processed_dfs = []
for df in df_list:
    processed_dfs.append(df.reindex(range(max_len)))

# 第五步：按列合并所有维度
final_df = pd.concat(processed_dfs, axis=1)

# 导出为CSV，空值显示为null
final_df.to_csv('linkedin_fans_stats.csv', index=False, na_rep='null')

关键说明 #

• 用json_normalize自动展开followerCounts嵌套结构，无需手动解析
• 所有维度DataFrame通过reindex对齐到最长列表的长度，不足位置自动填充NaN
• 导出时用na_rep='null'参数，将空值统一输出为null，完全符合需求

内容的提问来源于stack exchange，提问作者Krouse