You need to enable JavaScript to run this app.
优惠活动
大模型
产品
解决方案
定价
更多

如何遍历JSON文件中的interval并生成符合要求的DataFrame

avatar
AI 小北
2026-9-30
问题说明

我正在遍历JSON文件，抽取指定字段生成符合要求的DataFrame。已经完成了代码的初步实现，但当前JSON文件结构发生了小幅调整，无法确定需要修改代码的哪一部分才能得到预期输出。

旧版JSON返回结果 

queryResult: {'results': [{'data': [{'interval': '2021-10-11T11:46:25.000Z/2021-10-18T11:49:48.000Z',
                        'metrics': [{'metric': 'nOffered',
                                     'qualifier': None,
                                     'stats': {'count': 7,
                                               'count_negative': None,
                                               'count_positive': None,
                                               'current': None,
                                               'denominator': None,
                                               'max': None,
                                               'min': None,
                                               'numerator': None,
                                               'ratio': None,
                                               'sum': None,
                                               'target': None}},
                                    {'metric': 'nTransferred',
                                     'qualifier': None,
                                     'stats': {'count': 1,
                                               'count_negative': None,
                                               'count_positive': None,
                                               'current': None,
                                               'denominator': None,
                                               'max': None,
                                               'min': None,
                                               'numerator': None,
                                               'ratio': None,
                                               'sum': None,
                                               'target': None}}],
                        'views': None}],
              'group': {'mediaType': 'voice',
                        'queueId': '73643cff-799b-41ae-9a67-efcf5e593155'}}]}

旧版输出DataFrame 

Queue_Id,Interval Start,Interval End,nOffered_count,nOffered_sum,nOffered.denominator,nOffered.numerator,nTransferred_count,nTransferred_sum,nTransferred.denominator,nTransferred.numerator
73643cff-799b-41ae-9a67-efcf5e593155,2021-10-11T11:46:25.000Z,2021-10-18T11:49:48.000Z,7,,,,1.0,,,

新版JSON返回结果 

queryResult: {'results': [{'data': [{'interval': '2021-10-11T11:46:25.000Z/2021-10-12T11:46:25.000Z',
                        'metrics': [{'metric': 'nOffered',
                                     'qualifier': None,
                                     'stats': {'count': 1,
                                               'count_negative': None,
                                               'count_positive': None,
                                               'current': None,
                                               'denominator': None,
                                               'max': None,
                                               'min': None,
                                               'numerator': None,
                                               'ratio': None,
                                               'sum': None,
                                               'target': None}}],
                        'views': None},
                       {'interval': '2021-10-13T11:46:25.000Z/2021-10-14T11:46:25.000Z',
                        'metrics': [{'metric': 'nOffered',
                                     'qualifier': None,
                                     'stats': {'count': 2,
                                               'count_negative': None,
                                               'count_positive': None,
                                               'current': None,
                                               'denominator': None,
                                               'max': None,
                                               'min': None,
                                               'numerator': None,
                                               'ratio': None,
                                               'sum': None,
                                               'target': None}},
                                    {'metric': 'nTransferred',
                                     'qualifier': None,
                                     'stats': {'count': 1,
                                               'count_negative': None,
                                               'count_positive': None,
                                               'current': None,
                                               'denominator': None,
                                               'max': None,
                                               'min': None,
                                               'numerator': None,
                                               'ratio': None,
                                               'sum': None,
                                               'target': None}}],
                        'views': None},
                       {'interval': '2021-10-14T11:46:25.000Z/2021-10-15T11:46:25.000Z',
                        'metrics': [{'metric': 'nOffered',
                                     'qualifier': None,
                                     'stats': {'count': 3,
                                               'count_negative': None,
                                               'count_positive': None,
                                               'current': None,
                                               'denominator': None,
                                               'max': None,
                                               'min': None,
                                               'numerator': None,
                                               'ratio': None,
                                               'sum': None,
                                               'target': None}}],
                        'views': None},
                       {'interval': '2021-10-15T11:46:25.000Z/2021-10-16T11:46:25.000Z',
                        'metrics': [{'metric': 'nOffered',
                                     'qualifier': None,
                                     'stats': {'count': 1,
                                               'count_negative': None,
                                               'count_positive': None,
                                               'current': None,
                                               'denominator': None,
                                               'max': None,
                                               'min': None,
                                               'numerator': None,
                                               'ratio': None,
                                               'sum': None,
                                               'target': None}}],
                        'views': None}],
              'group': {'mediaType': 'voice',
                        'queueId': '73643cff-799b-41ae-9a67-efcf5e593155'}}]}

预期新版输出DataFrame 

Queue_Id,Interval Start,Interval End,nOffered_count,nOffered_sum,nOffered.denominator,nOffered.numerator,nTransferred_count,nTransferred_sum,nTransferred.denominator,nTransferred.numerator
73643cff-799b-41ae-9a67-efcf5e593155,2021-10-11T11:46:25.000Z,2021-10-12T11:46:25.000Z,1,,,,,,,
73643cff-799b-41ae-9a67-efcf5e593155,2021-10-13T11:46:25.000Z,2021-10-14T11:46:25.000Z,2,,,,1,,,
73643cff-799b-41ae-9a67-efcf5e593155,2021-10-14T11:46:25.000Z,2021-10-15T11:46:25.000Z,3,,,,,,,
73643cff-799b-41ae-9a67-efcf5e593155,2021-10-15T11:46:25.000Z,2021-10-16T11:46:25.000Z,1,,,,,,,

现有代码 

column_names = []
        
if(query_result.results != None):
    for item in query_result.results:
        data_lst = []
        for lst_data in item.data:
            print("####################################")
            print(lst_data)
            print("####################################")
            for met in lst_data.metrics:
                metric_name = met.metric
                column_names.append('Queue_Id')
                column_names.append(metric_name+'_count')
                column_names.append(metric_name+'_sum')
                column_names.append(metric_name+'.denominator')
                column_names.append(metric_name+'.numerator')
                column_names.append('Interval Start')
                column_names.append('Interval End')
                data_lst.append(queue_id)
                data_lst.append(met.stats.count)
                data_lst.append(met.stats.sum)
                data_lst.append(met.stats.denominator)
                data_lst.append(met.stats.numerator)
                data_lst.append(lst_data.interval.split('/')[0])
                data_lst.append(lst_data.interval.split('/')[1])
                print(data_lst)
            
else:
    data_lst = []
    metric_name = query.metrics[0]
    column_names.append('Queue_Id')
    column_names.append(metric_name+'_count')
    column_names.append(metric_name+'_sum')
    column_names.append(metric_name+'.denominator')
    column_names.append(metric_name+'.numerator')
    column_names.append('Interval Start')
    column_names.append('Interval End')
    data_lst.append(queue_id)
    data_lst.append('')
    data_lst.append('')
    data_lst.append('')
    data_lst.append('')
    data_lst.append(query.interval.split('/')[0])
    data_lst.append(query.interval.split('/')[1])

print("data_lst", data_lst)
print("column_names", column_names)
return data_lst, column_names
修改方案

现有代码问题说明

  1. 列名重复生成：循环遍历每个指标时重复添加相同的列名，会导致最终列名数量错误
  2. 数据存储逻辑错误：旧版JSON的data数组只有1个时间区间，新版有4个时间区间，现有代码没有按「每个时间区间对应一行数据」的逻辑拆分，且同一时间区间下的多个指标字段没有合并到同一行
  3. 缺失指标无默认值：部分时间区间没有nTransferred指标，对应字段没有补空值，会导致列错位

修改后代码 

# 先预定义所有需要的列名，避免重复生成
column_names = [
    'Queue_Id', 'Interval Start', 'Interval End',
    'nOffered_count', 'nOffered_sum', 'nOffered.denominator', 'nOffered.numerator',
    'nTransferred_count', 'nTransferred_sum', 'nTransferred.denominator', 'nTransferred.numerator'
]
# 存储所有行数据的列表
all_data = []

if query_result.results is not None:
    for item in query_result.results:
        queue_id = item.group.queueId # 从group字段取队列ID，避免硬编码
        for lst_data in item.data:
            # 初始化单行数据，默认所有字段为空
            row = {col: None for col in column_names}
            # 填充公共字段
            row['Queue_Id'] = queue_id
            interval_start, interval_end = lst_data.interval.split('/')
            row['Interval Start'] = interval_start
            row['Interval End'] = interval_end
            # 填充指标字段
            for met in lst_data.metrics:
                metric_name = met.metric
                row[f'{metric_name}_count'] = met.stats.count
                row[f'{metric_name}_sum'] = met.stats.sum
                row[f'{metric_name}.denominator'] = met.stats.denominator
                row[f'{metric_name}.numerator'] = met.stats.numerator
            # 把行数据转成列表，添加到总数据列表
            all_data.append([row[col] for col in column_names])
            
else:
    # 无返回结果时的逻辑，保持原有逻辑适配新列
    row = {col: None for col in column_names}
    row['Queue_Id'] = queue_id
    interval_start, interval_end = query.interval.split('/')
    row['Interval Start'] = interval_start
    row['Interval End'] = interval_end
    all_data.append([row[col] for col in column_names])

return all_data, column_names

修改后返回的all_data是二维列表，每一个子列表对应DataFrame的一行，直接传入pd.DataFrame(all_data, columns=column_names)即可生成符合预期的结果。

内容的提问来源于stack exchange，提问作者Shivika

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级，最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分)， 限时 9.9 元起

产品介绍相关文档
相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级，最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分)， 限时 9.9 元起

产品介绍相关文档
火山引擎 最新活动
全面开放
Doubao-Seedance-2.5全新模型升级

模型再升级,30秒超长叙事, 模态参考扩容

HOT
方舟Codingplan

模型自由，工具不限，最新支持 Deepseek-V4 系列、GLM-5.3 系列

HOT
方舟Agent plan

超全模态模型 × Harness 升级，最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列

HOT
新用户特惠专场

大模型19元起，Al应用9.9元畅享，新人首购爆款尽享优惠

最近更新时间：2026.09.30 00:36:04