如何使用json_normalize提取嵌套JSON数据？

我看你这是用pd.json_normalize处理嵌套JSON时踩了两个小坑，导致出现数据重复的问题，调整一下细节就能得到你想要的结果啦！

先看你的原始嵌套JSON结构：

{
    "return": {
        "status_processing": "3",
        "status": "OK",
        "order": {
            "id": "872102042",
            "number": "123831",
            "date_order": "dd/mm/yyyy",
            "items": [
                {
                    "item": {
                        "id_product": "684451795",
                        "code": "VPOR",
                        "description": "Product 1",
                        "unit": "Un",
                        "quantity": "1.00",
                        "value": "31.76"
                    }
                },
                {
                    "item": {
                        "id_product": "684451091",
                        "code": "VSAP",
                        "description": "Product 2",
                        "unit": "Un",
                        "quantity": "1.00",
                        "value": "31.76"
                    }
                }
            ]
        }
    }
}

你之前尝试的代码存在两个问题：

df = pd.json_normalize(
    order_list,
    record_path=["return", "order", "itens"],  # 这里有两个错误：1. itens拼写错误（JSON里是items）；2. 路径没到最内层的item对象
    meta=[
        ["return", "order", "id"],
        ["return", "order", "date_order"],
        ["return", "order", "number"],
    ],
)

修正后的代码及解释 #

直接把record_path精准指向最内层的item对象，同时修正拼写问题，就能一步到位得到预期的DataFrame：

import pandas as pd

df = pd.json_normalize(
    order_list,
    record_path=["return", "order", "items", "item"],  # 进到最内层的item节点，直接展开商品数据
    meta=[
        ["return", "order", "id"],
        ["return", "order", "date_order"],
        ["return", "order", "number"],
    ],
)

# 可选：给列重命名，让表头更直观
df.columns = [
    "id_product", "code", "description", "unit", "quantity", "value",
    "order_id", "order_date", "order_number"
]

运行后就能得到你想要的结果：

关键说明 #

• record_path必须精准定位到你要展开的最内层数据节点，这里就是每个items元素里的item对象，避免后续二次展开导致数据重复
• meta参数用来把订单级别的全局字段（比如订单ID、日期）关联到每一行商品数据上，保证数据的关联性
• 列重命名是为了去掉嵌套路径前缀，让表头更易读

备注：内容来源于stack exchange，提问作者Cesar Augusto