如何将URL返回的JSON数据转换为可读的Pandas DataFrame
2026-5-21
嘿，我遇到过一模一样的问题！从你给出的JSON结构来看，它是多层嵌套的（外层quoteSummary -> result数组 -> 内部嵌套字典），直接用pd.DataFrame()肯定搞不定，因为Pandas没法自动处理这么深的层级。下面是具体的解决步骤，亲测有效：
1. 先提取核心数据
首先得把JSON里真正有用的result数组内容取出来——从你的示例看，result是个长度为1的数组，所以先拿到里面的字典：
# 假设你已经把获取到的JSON存在变量json_data里 core_data = json_data['quoteSummary']['result'][0]
2. 用
json_normalize展平嵌套结构 Pandas专门提供了json_normalize()函数来处理这种嵌套JSON，它能把多层嵌套的键值对自动展开成单独的列，还能自定义嵌套键的分隔符：
import pandas as pd # sep参数用来设置嵌套键的连接符，比如dividendDate里的fmt会变成dividendDate_fmt df = pd.json_normalize(core_data, sep='_')
3. 查看最终结果
这时候你就可以打印DataFrame看看是不是符合预期了：
print(df.head())
额外情况处理
如果你的result数组里有多个元素（比如同时获取了多只股票的数据），那不用取[0]，直接把整个result数组传给json_normalize就行：
df = pd.json_normalize(json_data['quoteSummary']['result'], sep='_')
为什么直接转不行？因为原始JSON的结构是多层嵌套的，最外层的quoteSummary是个字典，里面的result是数组，数组元素又包含嵌套字典，Pandas默认的DataFrame()只能处理单层结构，所以必须用json_normalize来拆解层级。
内容的提问来源于stack exchange，提问作者user9532692
