如何将Python dataframe转换为指定嵌套结构的JSON？

直接使用pandas即可完成全部转换，无需复杂自定义逻辑，操作步骤如下：

• 处理格式适配字段
  • 原date列为DD/MM/YYYY格式字符串，借助pandas内置的日期解析能力，直接转换为目标要求的YYYY-MM-DD 09:00:00格式（固定给所有日期加上9点的时间）
  • 将原列名ID重命名为目标JSON要求的Id，匹配大小写规则
• 逐行生成嵌套结构
  遍历dataframe每一行，组装为目标要求的字典：外层保留Id、date、value_2、value_3字段，单独生成ABC数组，数组内固定填入当前行的value_1值，以及写死的"type": "int"字段
• 整合为最终结构
  将所有组装完成的行对象，存入顶层XYZ键对应的列表中，即可得到要求的JSON格式

import pandas as pd
import json

# 载入你自己的原始dataframe
# 这里模拟你给出的样例数据结构
df = pd.DataFrame({
    "date": ["03/03/2018", "03/03/2018", "02/03/2018"],
    "ID": [12345, 89547, 12345],
    "value_1": [111, 222, 333],
    "value_2": [1, 2, 5],
    "value_3": [30, 50, 80]
})

# 转换date为目标格式
df["date"] = pd.to_datetime(df["date"], format="%d/%m/%Y").dt.strftime("%Y-%m-%d 09:00:00")
# 重命名字段匹配目标结构
df = df.rename(columns={"ID": "Id"})

# 逐行组装嵌套结构
xyz_content = []
for _, row in df.iterrows():
    xyz_content.append({
        "Id": row["Id"],
        "date": row["date"],
        "value_3": row["value_3"],
        "value_2": row["value_2"],
        "ABC": [{"value_1": row["value_1"], "type": "int"}]
    })

# 生成最终JSON
final_result = {"XYZ": xyz_content}

# 如需导出为JSON文件，可执行：
# with open("output.json", "w", encoding="utf-8") as f:
#     json.dump(final_result, f, ensure_ascii=False, indent=4)

注：你提供的目标JSON样例中写的"Id": 123456为笔误，代码会自动匹配原始dataframe中的真实ID值，和数据逻辑保持一致。

内容的提问来源于stack exchange，提问作者wawawa