You need to enable JavaScript to run this app. 3个同列结构pandas DataFrame如何转指定嵌套JSON并解决序列化报错导出
优惠活动
大模型
产品
解决方案
定价
更多

3个同列结构pandas DataFrame如何转指定嵌套JSON并解决序列化报错导出

报错根因与实现方案

原代码的核心问题

  • 语法错误:third = = pd.DataFrame(...) 行多写了一个等号,会直接触发语法异常
  • 结构错误:all = {first, second, third} 将三个DataFrame放入Python集合,集合本身不支持JSON序列化,且集合内为pandas原生对象,无法被json模块解析
  • 格式不匹配:未按目标嵌套结构对DataFrame数据做转换,直接序列化原始pandas对象必然触发类型不支持的报错

目标结构对齐

先明确最终JSON的生成规则,与样例完全匹配:

  • 顶层键固定为三个DataFrame的自定义标识first/second/third
  • 每个标识对应的子字典,键为该行id字段的值(转为字符串,符合JSON键必须为字符串的要求)
  • 每个id对应的键值,为单元素列表组成的二维结构,即[[该行type值], [该行year值]]

可运行实现代码

首先修正原语法错误,再完成格式转换与导出,注意将pandas/numpy的数值类型转为Python原生int,避免二次序列化报错:

import pandas as pd
import json

# 1. 修正原定义的语法错误
first = pd.DataFrame(columns=['id', 'type', 'year'])
second  = pd.DataFrame(columns=['id', 'type', 'year'])
third = pd.DataFrame(columns=['id', 'type', 'year'])
# 注:以上为初始空表定义,实际已填充数据的三个DataFrame可直接沿用

# 2. 封装通用转换逻辑:将单个DataFrame转为目标子字典结构
def df_to_target_dict(df):
    res = {}
    for _, row in df.iterrows():
        # 统一转成原生Python类型,避免numpy/pandas类型序列化失败
        id_str = str(int(row['id']))
        type_val = int(row['type'])
        year_val = int(row['year'])
        # 按样例规则组装[[type], [year]]的结构
        res[id_str] = [[type_val], [year_val]]
    return res

# 3. 组装最终顶层字典
final_structure = {
    "first": df_to_target_dict(first),
    "second": df_to_target_dict(second),
    "third": df_to_target_dict(third)
}

# 4. 导出为本地JSON文件
with open('output.json', 'w', encoding='utf-8') as fp:
    # indent=2 格式化输出,ensure_ascii=False 避免非英文字符被转义
    json.dump(final_structure, fp, ensure_ascii=False, indent=2)

注意事项

  • 三个DataFrame的非连续索引不会影响转换结果,因为转换逻辑是逐行读取字段值,不依赖原表的索引
  • 所有从pandas取出的数值都做了int()强转,解决numpy.int64类型不被json模块识别的常见报错

内容的提问来源于stack exchange,提问作者dxb

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:2026.11.10 19:24:06