You need to enable JavaScript to run this app. pd.json_normalize()与pd.DataFrame.from_dict()是否相同且输出结果近似?
优惠活动
大模型
产品
解决方案
定价
更多

pd.json_normalize()与pd.DataFrame.from_dict()是否相同且输出结果近似?

pd.json_normalize() 与 pd.DataFrame.from_dict() 的区别

这两个方法并不相同,仅在处理完全扁平化的简单JSON字典时输出结果相似,处理带嵌套结构的JSON时输出差异非常大,核心区别和适用场景如下:

核心定位不同

  • pd.DataFrame.from_dict() 是面向标准Python字典结构的转换方法,仅支持处理扁平化的、每个键对应值为等长序列或单个值的字典,没有嵌套结构解析能力。
  • pd.json_normalize() 是专门为半结构化JSON/嵌套字典设计的转换方法,支持自动展开多层嵌套字典、拆分嵌套数组、自定义嵌套字段分隔符,适配复杂JSON结构的转换需求。

实际转换效果对比

场景1:处理完全扁平的JSON字典

测试数据:

flat_dict = {"姓名": ["张三", "李四"], "年龄": [25, 30], "城市": ["北京", "上海"]}
  • 执行 pd.DataFrame.from_dict(flat_dict) 会得到3列2行的标准DataFrame,列名分别为姓名、年龄、城市
  • 执行 pd.json_normalize(flat_dict) 得到的结果和上面完全一致,无差异。

场景2:处理带嵌套结构的JSON字典

测试数据:

nested_dict = [
    {"姓名": "张三", "年龄": 25, "联系方式": {"电话": "13xxxxxxxxx", "邮箱": "zhangsan@test.com"}},
    {"姓名": "李四", "年龄": 30, "联系方式": {"电话": "15xxxxxxxxx", "邮箱": "lisi@test.com"}}
]
  • 执行 pd.DataFrame.from_dict(nested_dict) 只会得到3列,其中联系方式列的每一行都会保留原字典结构,不会展开。
  • 执行 pd.json_normalize(nested_dict) 会自动展开嵌套内容,得到4列:姓名、年龄、联系方式.电话、联系方式.邮箱,所有值都是扁平化的基础类型,直接可用。

选型建议

  • 如果你要转换的JSON没有任何嵌套结构,两个方法可以通用,任选其一即可
  • 如果你要转换的JSON包含嵌套字典、嵌套数组,需要把嵌套内容展开为独立的列使用,直接选择pd.json_normalize()即可。

内容的提问来源于stack exchange,提问作者Shrey Shah

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:2026.10.18 13:45:04