如何将Yelp API返回的嵌套字典转换为pandas DataFrame用于可视化

问题原因 #

你原来的代码pd.DataFrame.from_dict(topresponse)无法得到预期结果，是因为API返回的字典外层有businesses键，实际的商铺数据都存在这个键对应的列表里，同时商铺数据里包含多层嵌套字典/列表，普通的字典转DataFrame方法不会自动展开嵌套结构。

可用实现代码 #

基础展开方案 #

直接使用pandas内置的json_normalize方法处理嵌套结构，一步完成展开：

import pandas as pd

# 提取businesses列表并自动展开所有嵌套字典
df = pd.json_normalize(topresponse['businesses'])

运行后原来的嵌套字段会自动拆分为单独列，比如coordinates会拆为coordinates.latitude、coordinates.longitude两列，location会拆为location.address1、location.city等列，可直接用于后续分析。

进阶清洗方案（适配可视化需求） #

如果需要处理列表类型的字段（比如分类、支持的服务、地址），可以补充以下代码把列表转为可读的字符串格式，也可以按需筛选需要的字段：

# 1. 处理分类字段：转成/分隔的分类字符串
df['categories'] = df['categories'].apply(lambda x: '/'.join([cat['title'] for cat in x]))

# 2. 处理交易类型字段：转成逗号分隔的字符串
df['transactions'] = df['transactions'].apply(lambda x: ','.join(x))

# 3. 生成完整地址字段
df['full_address'] = df['location.display_address'].apply(lambda x: ' '.join(x))

# 4. 筛选后续可视化需要的字段，可按需增减
df_clean = df[[
    'name', 'rating', 'review_count', 'price', 'full_address',
    'coordinates.latitude', 'coordinates.longitude', 'categories',
    'transactions', 'display_phone', 'url'
]]

使用建议 #

• 运行df.head()可预览前5行数据，快速确认数据格式是否符合预期
• 若存在缺失值（比如部分商铺没有标注价格），可使用df['price'] = df['price'].fillna('未标注')统一补全
• 后续做地理可视化时，可直接使用coordinates.latitude和coordinates.longitude两列作为坐标字段

内容的提问来源于stack exchange，提问作者Tyrese