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
相关产品推荐

