python - 将嵌套 json 解压到数据框中的有效方法

Question

我有一个嵌套的 json，我想将其转换为 pandas 数据框。我能够使用 json_normalize 进行标准化。

但是，数据框中仍然有 json 层，我也想将其解包。我怎样才能以最好的方式做到这一点？我可能需要在我当前正在做的项目中多次处理这个问题

我的 json 如下

{
  "data": {
    "allOpportunityApplication": {
      "data": [
        {
          "id": "111111111",
          "opportunity": {
            "programme": {
              "short_name": "XX"
            }
          },
          "person": {
            "home_lc": {
              "name": "NAME"
            }
          },
          "standards": [
            {
              "constant_name": "constant1",
              "standard_option": {
                "option": "true"
              }
            },
            {
              "constant_name": "constant2",
              "standard_option": {
                "option": "true"
              }
            }
          ]
        }
      ]
    }
  }
}

使用json_normalize

standards_df = json_normalize(
    standard_json['allOpportunityApplication']['data'], 
    record_path=['standards'],
    meta=['id','person','opportunity']
)

这样我就得到了一个包含以下列的数据框:constant_name、standard_option、id、person、机会。问题是数据 standard_option、person 和 opportunity 是 json，里面只有一个选项。

每列的当前输出和预期输出如下

标准选项

当前“standard_option”列中的项目如下所示:

{'option': 'true'}  

我希望它只是true

人

当前“person”列中的项目如下所示:

{'programme': {'short_name': 'XX'}}

我希望它看起来像:XX

机会

当前“机会”列中的项目如下所示:

{'home_lc': {'name': 'NAME'}}       

我希望它看起来像:NAME

Answer 1

可能不是最好的方法，但我认为它有效。

standards_df['person'] = (standards_df.loc[:, 'person']
                          .apply(lambda x: x['home_lc']['name']))

standards_df['opportunity'] = (standards_df.loc[:, 'opportunity']
                               .apply(lambda x: x['programme']['short_name']))

    constant_name   standard_option.option  id          person  opportunity
0   constant1       true                    111111111   NAME    XX
1   constant2       true                    111111111   NAME    XX

standard_option 当我运行你的代码时已经很好了