如何使用Pandas将CSV转换为含重复嵌套键名的JSON文件

运行环境：Python 3.9.5 / Pandas 1.1.3

你只需要在生成org_2嵌套对象时，先把选中的列重命名再转字典即可，无需修改原始CSV表头。同时注意原有代码导出JSON时没有包含location字段，需要补充到导出列列表中，才能匹配你给出的预期输出。

修改后的完整代码如下：

import pandas as pd
import json
import os

csv = "/Users/me/file.csv"
csv_file = pd.read_csv(csv, sep=",", header=0, index_col=False)

# 生成org嵌套对象，逻辑不变
csv_file['org'] = csv_file[['data', 'type']].apply(lambda s: s.to_dict(), axis=1)
# 生成org_2嵌套对象时，先重命名索引再转字典，替换原有键名
csv_file['org_2'] = csv_file[['data1', 'type1']].apply(lambda s: s.rename({'data1':'data', 'type1':'type'}).to_dict(), axis=1)

# 导出时补充location列，匹配预期输出
csv_file[['id', 'location', 'org', 'org_2']].to_json(
    "file.json", 
    orient="records", 
    lines=True, 
    date_format="iso", 
    double_precision=10, 
    force_ascii=True, 
    date_unit="ms", 
    default_handler=None
)

如果你的数据量较大，不想用apply逐行处理提升效率，也可以用更直接的字典构造方式替换逻辑：

# 替换原来的两行apply逻辑，性能更优
csv_file['org'] = csv_file.apply(lambda x: {'data': x['data'], 'type': x['type']}, axis=1)
csv_file['org_2'] = csv_file.apply(lambda x: {'data': x['data1'], 'type': x['type1']}, axis=1)

内容的提问来源于stack exchange，提问作者Stpete111