Python解析嵌套JSON提取timestamps与values构建双列DataFrame

你已经通过pd.json_normalize(PDPjson['result'],['data'])拿到了每行存着完整时间戳列表、数值列表的DataFrame，不需要回头重新解析原始JSON，直接用pandas内置的列表拆解能力就能得到逐行匹配的规整结构：

具体操作 #

• 同步拆分解包两个目标列，避免索引错位
  不要单独对某一列做展开操作，把timestamps、values两个列作为列表参数一次性传入explode方法，pandas会严格按列表内的元素位置一一对应展开，不会出现时间和数值错配的问题：

  # 从当前已生成的pdp DataFrame出发，仅提取需要的两列后同步拆分
  final_df = pdp[['timestamps', 'values']].explode(column=['timestamps', 'values'])
  

• 重命名列匹配目标命名

  final_df.columns = ['Timestamp', 'Values']
  

• 可选优化：如果需要把毫秒级epoch时间戳转为可读的标准时间格式，可以追加一行转换逻辑：

  final_df['Timestamp'] = pd.to_datetime(final_df['Timestamp'], unit='ms')
  

最终效果 #

执行完成后，原单元格内存的完整列表会被拆成逐行的独立值，时间和数值严格按位置一一对应，得到你需要的仅含Timestamp、Values两列的规整DataFrame。哪怕原始JSON中存在多条带列表记录的data条目，该方法也能一次性完成全部展开，不需要额外写循环遍历逻辑。

输出结构示例：

Timestamp	Values
1596326400000	3880.834490740741
1616976000000	3879.6458333333335
1617062400000	3826.3645833333335
1617148800000	3890.871527777778
1617235200000	3876.8199643493763

内容的提问来源于stack exchange，提问作者Slavisha84