使用pd.read_sql读取SQL数据时如何直接解析JSON字段拆分为多列

完全可以实现，更推荐优先在SQL查询阶段完成JSON解析，比读取到Python后再处理性能更高，也符合计算下沉的优化原则。

MSSQL 2016及更高版本内置了JSON处理函数，你可以直接在查询语句中提取JSON字段的属性，读出来就是你需要的3列DataFrame，无需额外Python侧处理：

import urllib
import sqlalchemy as sa
import pandas as pd

params = urllib.parse.quote_plus("bla")
engine = sa.create_engine("mssql+pyodbc:///?odbc_connect={}".format(params))

with engine.connect() as con:
    sql_df = pd.read_sql(
            """
            SELECT TOP 10 
                JSON_VALUE(json_column, '$.c1') AS c1,
                JSON_VALUE(json_column, '$.c2') AS c2,
                id 
            FROM SomeTable;
            """,
            con=con
    )

如果JSON字段内需要提取的属性很多，可以改用OPENJSON语法批量解析，写法更简洁。

如果你没有权限修改查询SQL，也可以读取后用pandas内置的JSON解析工具处理：

import urllib
import json
import sqlalchemy as sa
import pandas as pd

params = urllib.parse.quote_plus("bla")
engine = sa.create_engine("mssql+pyodbc:///?odbc_connect={}".format(params))

with engine.connect() as con:
    sql_df = pd.read_sql(
            "SELECT TOP 10 json_column, id FROM SomeTable;",
            con=con
    )

# 解析JSON字段并合并
json_parsed = pd.json_normalize(sql_df['json_column'].apply(json.loads))
final_df = pd.concat([sql_df['id'], json_parsed], axis=1)

原代码优化提示：你原代码中pd.read_sql的con参数误传了engine，实际已经通过上下文管理器创建了连接对象con，直接传con=con即可，避免重复创建连接，提升稳定性。

内容的提问来源于stack exchange，提问作者cs0815