复杂JSON转Pandas DataFrame报错修复及字典可视化调试方法

你调用的OECD接口返回的是高度嵌套的SDMX-JSON结构，包含元数据、维度定义、观测值等多个层级，pd.read_json默认会尝试将JSON顶层键直接映射为DataFrame的列，但这些顶层键对应的取值类型不统一，部分是嵌套字典、部分是数组、部分是标量，pandas无法自动对齐结构、确定列的排序逻辑，因此触发Mixing dicts with non-Series may lead to ambiguous ordering报错。

不要直接用pd.read_json解析嵌套结构，先将JSON加载为Python字典，再手动提取需要的业务字段转换为DataFrame，示例代码如下：

import pandas as pd
import requests
import json

# 拉取原始数据并转换为字典
url = 'https://stats.oecd.org/sdmx-json/data/QNA/AUS+AUT.GDP+B1_GE.CUR+VOBARSA.Q/all?startTime=2009-Q2&endTime=2011-Q4'
resp = requests.get(url, verify=True)
raw_data = resp.json()

# 提取维度映射关系
country_map = {str(i): v['name'] for i, v in enumerate(raw_data['structure']['dimensions']['series'][0]['values'])}
indicator_map = {str(i): v['name'] for i, v in enumerate(raw_data['structure']['dimensions']['series'][1]['values'])}
unit_map = {str(i): v['name'] for i, v in enumerate(raw_data['structure']['dimensions']['series'][2]['values'])}
freq_map = {str(i): v['name'] for i, v in enumerate(raw_data['structure']['dimensions']['series'][3]['values'])}
time_map = {str(i): v['name'] for i, v in enumerate(raw_data['structure']['dimensions']['observation'][0]['values'])}

# 提取观测值并转换为结构化列表
series_data = raw_data['dataSets'][0]['series']
records = []
for series_key, series_val in series_data.items():
    dims = series_key.split(':')
    country = country_map[dims[0]]
    indicator = indicator_map[dims[1]]
    unit = unit_map[dims[2]]
    freq = freq_map[dims[3]]
    for obs_key, obs_val in series_val['observations'].items():
        time = time_map[obs_key]
        value = obs_val[0]
        records.append({
            '国家': country,
            '指标': indicator,
            '单位': unit,
            '频率': freq,
            '时间': time,
            '数值': value
        })

# 生成最终DataFrame
df = pd.DataFrame(records)

如果需要频繁处理SDMX格式数据，也可以安装sdmx1库直接解析，无需手动处理嵌套结构。

可以通过以下几种方式快速查看嵌套字典的结构，辅助调试：

• 格式化打印：通过json.dumps的indent参数输出带缩进的结构化内容，支持指定最大层级避免内容过多

# 打印完整结构，缩进为2个空格
print(json.dumps(raw_data, indent=2, ensure_ascii=False))
# 只打印前3层结构，避免内容溢出
def print_dict(d, depth=0, max_depth=3):
    if depth > max_depth:
        return
    for k, v in d.items():
        print('  '*depth + str(k))
        if isinstance(v, dict):
            print_dict(v, depth+1, max_depth)
print_dict(raw_data)

• 简洁打印：用pprint模块指定打印深度，快速查看顶层结构

import pprint
pprint.pprint(raw_data, depth=2)

• 交互式可视化：如果使用Jupyter环境，安装JSON预览插件后，直接调用display(raw_data)即可得到可折叠、可搜索的交互式字典结构，方便逐层查看嵌套内容。

内容的提问来源于stack exchange，提问作者nutix