使用Python和Pandas将多层嵌套JSON转换为扁平化DataFrame

提供两种常用实现路径，可根据使用场景选择：

方案1：原生Python预处理JSON后转DataFrame #

逻辑直观无额外学习成本，灵活度最高：

import pandas as pd

# 假设从API拿到的原始JSON已加载为raw_data变量
raw_data = {
    # 此处替换为你的原始JSON数据
}

result_list = []
# 第一层遍历取日期作为day字段
for day, size_map in raw_data.items():
    # 第二层遍历取每个尺码对应的业务字段
    for size_data in size_map.values():
        # 合并日期字段与业务字段
        result_list.append({
            "day": day,
            **size_data
        })

# 如需生成DataFrame直接调用即可
df = pd.DataFrame(result_list)
# 如需直接获取符合要求的JSON列表，使用result_list即可

方案2：直接使用Pandas内置方法转换 #

无需手写循环，适合直接对接API响应生成DataFrame的场景：

import pandas as pd

# 原始JSON已加载为raw_data变量
raw_data = {
    # 此处替换为你的原始JSON数据
}

# 第一层日期转为行索引，第二层尺码转为列
df = pd.DataFrame.from_dict(raw_data, orient='index').stack().reset_index()
# 展开业务字段所在的字典列，关联日期字段
df = pd.json_normalize(df[0]).join(df['level_0'].rename('day'))
# 调整为你需要的列顺序
df = df[['day', 'sales', 'balance', 'size_name', 'size_origin']]

两种方案输出结果完全匹配你要求的结构，性能差异在数据量低于10万条时几乎可以忽略。

内容的提问来源于stack exchange，提问作者PankeyDie