如何将含JSON对象列的Pandas DataFrame转换为结构化DataFrame？

嘿，这个需求太常见了，我给你分两种场景来拆解，亲测好用～

场景1：DataFrame的某列每个单元格是单个JSON对象（或JSON字符串） #

就是你给出的示例：players列每个元素是{"name": "tony", "age": 57}这类结构，不管是已经解析好的字典，还是字符串格式的JSON，都能轻松处理：

步骤示例代码 #

import pandas as pd
import json

# 先模拟你的原始数据（这里假设players列是JSON字符串格式，如果已经是字典，跳过转字典那步）
df = pd.DataFrame({
    'players': ['{"name": "tony", "age": 57}', '{"name": "peter", "age": 46}']
})

# 1. 把JSON字符串转成Python字典（如果你的列已经是字典，这行可以删掉）
df['players'] = df['players'].apply(json.loads)

# 方法一：用pd.json_normalize（推荐，尤其适合嵌套JSON）
structured_df = pd.json_normalize(df['players'])

# 方法二：用apply(pd.Series)（简单直观，适合平级键值对）
# structured_df = df['players'].apply(pd.Series)

# 看看结果
print(structured_df)

运行后就能得到你想要的结构化DataFrame：

name  age
0   tony   57
1  peter   46

场景2：原始数据是包含players数组的完整JSON结构 #

如果你的数据源是整个JSON，比如{ "players": [{ "age": 57, "name":"tony" }, { "age": 46, "name":"peter" }] }，那直接解析数组部分就行：

步骤示例代码 #

import pandas as pd
import json

# 从JSON字符串加载（如果是JSON文件，换成open('your_file.json').read()）
json_content = '{ "players": [{ "age": 57, "name":"tony" }, { "age": 46, "name":"peter" }] }'
data_dict = json.loads(json_content)

# 直接展开players数组
structured_df = pd.json_normalize(data_dict['players'])

print(structured_df)

如果是直接从JSON文件读取，还能更简洁：

structured_df = pd.json_normalize(pd.read_json('your_json_file.json')['players'])

小提示 #

• 如果你的JSON有嵌套结构（比如{"name": "tony", "info": {"height": 180, "weight": 75}}），pd.json_normalize会自动把嵌套字段展开成info.height这种列名，非常方便；
• 如果只是简单的平级键值对，apply(pd.Series)的代码更短，理解成本更低。

内容的提问来源于stack exchange，提问作者More Than Five