如何导入CSV的数值列及JSON列中指定位置的变量？

当然可以通过位置序号来提取JSON里的指定变量！尤其是你的JSON里还存在重复键名（比如示例里的两个Lon），用位置选择反而比靠键名找靠谱得多——毕竟重复键名在常规解析时会被后面的覆盖，根本没法通过键名精准拿到你要的那一个。

这是处理这类需求最常用的方案，能完美应对重复键的问题：

首先导入需要的库：

import pandas as pd
import json

读取你的CSV文件：

df = pd.read_csv('your_data.csv')  # 替换成你的实际文件名

接下来写一个自定义函数，用来解析JSON并按位置提取元素——关键是用object_pairs_hook=list把JSON解析成有序的键值对列表，这样就能保留原始顺序，不会丢失重复键的数据：

def extract_json_by_pos(json_str, target_positions):
    # 解析JSON为有序键值对列表（保留原始顺序）
    parsed_json = json.loads(json_str, object_pairs_hook=list)
    # 按传入的位置序号提取元素，给重复键加位置后缀区分
    extracted = {}
    for idx in target_positions:
        if idx < len(parsed_json):
            key, value = parsed_json[idx]
            extracted[f"{key}_{idx+1}"] = value  # 比如Lon_1, Lon_2，避免键名冲突
    return extracted

然后把这个函数应用到你的JSON列上，比如你想提取第1个（索引0）和第4个（索引3）元素：

# 示例：提取位置0（Building Lat）和位置3（第二个Lon）
extracted_data = df['response'].apply(lambda x: extract_json_by_pos(x, [0, 3]))
# 合并原有数值列和提取的JSON数据
final_df = pd.concat([df[['address', 'zip']], pd.DataFrame(extracted_data.tolist())], axis=1)

这样你就得到了包含原有两列，加上你按位置选中的JSON变量的数据集。

注意：这里的位置序号是从0开始计数的，对应示例里的JSON：

{"Building Lat": "74.91", "Lon": "31.21", "Front Lat": "75.93", "Lon": "32.20"}

各元素的位置对应关系：

• 0: ("Building Lat", "74.91")
• 1: ("Lon", "31.21")
• 2: ("Front Lat", "75.93")
• 3: ("Lon", "32.20")

如果你习惯用命令行，也可以用jq配合csvkit来实现：

1. 先提取出CSV里的JSON列：

csvcut -c response your_data.csv > json_column.txt

2. 用jq按位置提取（to_entries会把对象转成有序数组，索引从0开始）：

jq -r 'to_entries | [.[0].value, .[3].value] | @csv' json_column.txt > extracted_json.csv

3. 最后把原有数据和提取的JSON数据合并：

csvjoin -c 1,1 your_data.csv extracted_json.csv > final_output.csv

小提醒：部分版本的jq在处理重复键时，可能会默认保留最后一个键，所以如果你的JSON重复键较多，还是优先用Python的方法更稳妥。

内容的提问来源于stack exchange，提问作者Agustín Indaco