如何将两个JSON列表合并为一个格式规范的DataFrame？

步骤1：分别将两个字典规范化为DataFrame #

首先把两个JSON解析后的字典都用pd.json_normalize转为扁平结构的DataFrame，自动展开嵌套字段，列名用.分隔层级，可读性更强。

import pandas as pd
import json

dic1 = json.loads(info1)
dic2 = json.loads(info2)

df1 = pd.json_normalize(dic1)
df2 = pd.json_normalize(dic2)

步骤2：根据数据场景选择合并方式 #

场景1：两组数据结构一致，需纵向追加（如同类型的不同批次数据）

使用pd.concat纵向拼接，重置行索引避免索引重复，还可以新增来源列区分两组数据：

# 可选：新增数据来源列，方便后续区分
df1['source'] = 'info1'
df2['source'] = 'info2'

# 纵向合并，ignore_index会自动重置全局行索引
merged_df = pd.concat([df1, df2], ignore_index=True)

场景2：两组数据为同一主体的不同字段，需横向拼接（如用户基础信息+用户行为数据）

如果两行数一致、顺序对应，直接按列拼接：

merged_df = pd.concat([df1, df2], axis=1)

如果有共同的唯一主键（如user_id、id），用merge合并更稳妥，避免顺序错乱：

# inner为内连接，仅保留两边都存在的主键数据；需要保留单侧全部数据可改为left/right
merged_df = pd.merge(df1, df2, on='共同主键列名', how='inner')

步骤3：格式化输出提升可读性 #

调整pandas打印参数，避免列折叠、内容截断：

# 显示全部列
pd.set_option('display.max_columns', None)
# 显示列的全部内容，不截断
pd.set_option('display.max_colwidth', None)
# 调整打印宽度，避免自动换行
pd.set_option('display.width', 1000)

print(merged_df)

可选优化 #

如果合并后存在缺失值，可按需统一替换为缺省值，格式更规整：

# 把所有缺失值替换为'-'，可按需修改为其他值
merged_df = merged_df.fillna('-')

内容的提问来源于stack exchange，提问作者Agog