如何将嵌套JSON中各stock的price字段分别生成独立pandas DataFrame

解决方法 #

你之前将整个stocks数组传入json_normalize，所以所有股票的价格数据会被合并到同一个DataFrame中。想要直接生成两个独立的DataFrame，单独处理stocks数组的每个元素即可：

方案1：按索引单独生成对应DataFrame

直接指定stocks数组的下标，分别调用json_normalize处理每个元素的price字段：

import pandas as pd

# 生成第一个元素对应的df1（TSLA）
df1 = pd.json_normalize(data['stocks'][0], record_path='price')
# 生成第二个元素对应的df2（AMZN）
df2 = pd.json_normalize(data['stocks'][1], record_path='price')

运行后df1和df2的结构完全符合你的预期，仅保留date和close两列。

方案2：批量生成所有股票的DataFrame列表

如果stocks数组元素数量不固定，可以用列表推导式一次性生成所有对应DataFrame的集合：

dfs = [pd.json_normalize(stock, record_path='price') for stock in data['stocks']]
# 取第一个股票数据：dfs[0]，第二个：dfs[1]，以此类推

方案3：从你已生成的合并DataFrame拆分

如果你已经生成了带symbol字段的合并DataFrame，也可以直接拆分后删除多余字段：

# 拆分得到df1
df1 = df[df['symbol'] == 'TSLA'].drop('symbol', axis=1).reset_index(drop=True)
# 拆分得到df2
df2 = df[df['symbol'] == 'AMZN'].drop('symbol', axis=1).reset_index(drop=True)

内容的提问来源于stack exchange，提问作者Sunny J