You need to enable JavaScript to run this app. 如何使用pandas解析含嵌套数组的复杂JSON(球队阵容数据)
优惠活动
大模型
产品
解决方案
定价
更多

如何使用pandas解析含嵌套数组的复杂JSON(球队阵容数据)

嵌套阵容JSON的pandas解析实现

不需要更换其他pandas解析函数,pd.json_normalize本身完全支持这类多层嵌套结构的展开,之前解析结果不符合预期的原因是没有指定嵌套数组的拆分规则。

原代码的问题

直接对顶级JSON数组调用pd.json_normalize时,嵌套在球队对象内的lineup球员数组不会被自动拆分为独立数据行,只会被存储为单元格内的原生Python对象,导出CSV后无法直接读取球员的结构化信息。

正确实现方案

调用pd.json_normalize时通过两个核心参数指定展开逻辑:

  • 用record_path指定需要拆分为独立行的嵌套数组路径(即球员所在的lineup字段)
  • 用meta参数指定需要和每行球员数据关联保留的球队层级字段(team_id、team_name)

对应的可直接运行的代码如下:

import json
import pandas as pd

with open(r'C:\Users\Catalin\Desktop\World Cup Data\data\lineups\7581.json', encoding='utf-8') as data_file:
    data = json.load(data_file)

# 按嵌套规则展开JSON
df = pd.json_normalize(
    data,
    record_path='lineup',
    meta=['team_id', 'team_name'],
    sep='_'
)

# 导出CSV,指定utf-8-sig编码避免特殊字符乱码
df.to_csv(
    r'C:\Users\Catalin\Desktop\TestLineup7581.csv',
    index=None,
    header=True,
    encoding='utf-8-sig'
)

输出结果说明

执行代码后生成的DataFrame每行对应一名球员,自动包含以下结构化字段:

  • 球员基础信息:player_id、player_name、player_nickname、jersey_number
  • 球员所属国籍:嵌套的country字段会自动展平为country_id、country_name
  • 关联球队信息:team_id、team_name,完全匹配完整球员阵容的提取需求

如果需要处理player_nickname为空值的情况,可在导出前追加一行批量填充逻辑:

df['player_nickname'] = df['player_nickname'].fillna(df['player_name'])

内容的提问来源于stack exchange,提问作者Catalin Calinescu

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:2026.11.01 10:45:04