You need to enable JavaScript to run this app. 如何让pd.json_normalize按指定schema生成含NaN的额外列
优惠活动
大模型
产品
解决方案
定价
更多

如何让pd.json_normalize按指定schema生成含NaN的额外列

解决方案

最简洁的实现方式是在pd.json_normalize处理完成后,调用reindex方法对齐目标列列表,缺失列会自动填充NaN,同时还能保证列顺序和指定的列表完全一致。

完整实现代码

import pandas as pd

# 原始数据与预期列定义
data = [
    {'foo': 'foo_value', 'bar': {'1': 'bar1', '2': 'bar2'}},
    {'foo': 'foo_value_2'}
]
desired_columns = ['foo', 'bar.1', 'bar.2', 'nodata.1', 'nodata.2']

# 第一步:执行JSON规范化
df = pd.json_normalize(data)
# 第二步:按指定列重索引,缺失列自动补NaN
df = df.reindex(columns=desired_columns)

print(df)

输出结果:

foo bar.1 bar.2  nodata.1  nodata.2
0    foo_value  bar1  bar2       NaN       NaN
1  foo_value_2   NaN   NaN       NaN       NaN

替代方案(适配嵌套Schema定义场景)

如果不想手动拼接展开后的点分隔列名,可以预先构造一个包含所有预期字段的模板字典,混入原始数据后再做规范化,最后删除模板对应的行即可:

import pandas as pd

data = [
    {'foo': 'foo_value', 'bar': {'1': 'bar1', '2': 'bar2'}},
    {'foo': 'foo_value_2'}
]
# 嵌套结构定义全量Schema模板
template = {
    'foo': None,
    'bar': {'1': None, '2': None},
    'nodata': {'1': None, '2': None}
}

# 模板混入数据后做规范化
df = pd.json_normalize([template] + data)
# 删除模板对应的第一行,重置索引
df = df.drop(0).reset_index(drop=True)

内容的提问来源于stack exchange,提问作者William

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

最近更新时间:2026.10.14 02:00:05