如何更简便地将深层嵌套JSON扁平化并转换为Pandas DataFrame

你可以直接利用pd.json_normalize()自带的record_path和meta参数，一次完成嵌套结构的展开和元字段保留，无需多次拼接、删除中间列，代码更简洁高效：

import pandas as pd
import json
import codecs

# 读取原始JSON数据
with codecs.open(infile, "r", "utf-8-sig") as f:
    raw_json = json.load(f)

# 单步完成扁平化
df = pd.json_normalize(
    data=raw_json,
    record_path=["comments_v2", "data"],
    meta=[
        ["comments_v2", "timestamp"],
        ["comments_v2", "title"]
    ]
)

# 按需重命名列，对齐你之前的输出结构
df.rename(columns={
    "comments_v2.timestamp": "timestamp",
    "comments_v2.title": "title"
}, inplace=True)

运行后得到的DataFrame结构和你现有代码的输出完全一致，包含timestamp、title、comment.timestamp、comment.comment、comment.author等字段，若原数据存在comment.group也会自动保留。该方案相比多次调用concat、apply的写法逻辑更清晰，数据量大时性能表现更好。

内容的提问来源于stack exchange，提问作者alexwr8