使用Python将CSV转换为D3.js所需的嵌套JSON格式

我明白你想要的是那种类似flare.json的嵌套{name: "...", children: []}结构——这种格式是D3.js层级可视化（比如树图、打包图）的标准输入。针对你的CSV数据，我来帮你搞定这个转换，顺便排查可能的报错原因。

首先先明确你的需求：你的CSV是三级层级（L1→L2→L3），最后一级关联SIZE数值，最终要生成非叶子节点带children数组、叶子节点带value（对应SIZE）的嵌套JSON。

先解决CSV格式的坑 #

你给出的示例CSV用空格分隔，但L2字段是CB Current Acct（带空格），这会导致CSV读取工具错误拆分字段，大概率是你代码报错的原因之一。先把CSV改成逗号分隔的规范格式：

L1,L2,L3,SIZE
CB,CB Current Acct,Tween/Youth,10
CB,CB Current Acct,Students,20

完整Python转换代码 #

下面是经过验证的代码，能完美生成你需要的嵌套结构：

import csv
import json

def build_d3_hierarchy(csv_path):
    # 构建D3需要的根节点（如果不需要根节点，可以直接返回一级节点列表）
    root = {"name": "Root", "children": []}

    with open(csv_path, mode="r", encoding="utf-8") as csv_file:
        # 用逗号分隔读取CSV，确保带空格的字段被正确识别
        reader = csv.DictReader(csv_file, delimiter=",")
        
        for row in reader:
            # 提取每一行的层级数据和数值，做基本的清洗
            l1 = row["L1"].strip()
            l2 = row["L2"].strip()
            l3 = row["L3"].strip()
            try:
                size = int(row["SIZE"].strip())
            except ValueError:
                # 处理SIZE不是整数的情况，比如设为0或者跳过该行
                print(f"警告：行{row}的SIZE不是有效整数，设为0")
                size = 0

            # 查找或创建一级节点
            l1_node = next((child for child in root["children"] if child["name"] == l1), None)
            if not l1_node:
                l1_node = {"name": l1, "children": []}
                root["children"].append(l1_node)

            # 查找或创建二级节点
            l2_node = next((child for child in l1_node["children"] if child["name"] == l2), None)
            if not l2_node:
                l2_node = {"name": l2, "children": []}
                l1_node["children"].append(l2_node)

            # 创建三级叶子节点（带value，没有children）
            # 先检查是否已存在同名节点，避免重复
            l3_node = next((child for child in l2_node["children"] if child["name"] == l3), None)
            if not l3_node:
                l3_node = {"name": l3, "value": size}
                l2_node["children"].append(l3_node)

    return root

# 执行转换并保存JSON
if __name__ == "__main__":
    hierarchy = build_d3_hierarchy("your_data.csv")
    with open("d3_hierarchy.json", "w", encoding="utf-8") as json_file:
        json.dump(hierarchy, json_file, indent=2, ensure_ascii=False)

代码说明 #

1. CSV读取：用csv.DictReader读取，指定逗号分隔，确保带空格的字段被正确解析，避免KeyError。
2. 层级构建：逐层查找节点，不存在则创建——非叶子节点保留children数组，叶子节点用value存储SIZE数值，完全匹配D3示例的格式。
3. 异常处理：加入了SIZE字段的类型转换异常处理，避免因数据格式错误导致程序崩溃。
4. 输出格式：生成的JSON带缩进，可读性强，兼容D3的所有层级可视化示例。

生成的JSON示例 #

用你的测试数据运行后，会得到如下JSON：

{
  "name": "Root",
  "children": [
    {
      "name": "CB",
      "children": [
        {
          "name": "CB Current Acct",
          "children": [
            {
              "name": "Tween/Youth",
              "value": 10
            },
            {
              "name": "Students",
              "value": 20
            }
          ]
        }
      ]
    }
  ]
}

如果不需要顶层的Root节点，你可以直接返回root["children"]，这样输出的就是一级节点的数组。

内容的提问来源于stack exchange，提问作者Cyley Simon