python - 如何将嵌套的 json 结构转换为数据框

Question

我将一个 JSON 转换为 DataFrame 并最终得到一个列“Structure_value”，该列具有以下值作为字典/字典列表:

                   Structure_value
[{'Room': 6, 'Length': 7}, {'Room': 6, 'Length': 7}]
[{'Room': 6, 'Length': 22}]
[{'Room': 6, 'Length': 8}, {'Room': 6, 'Length': 9}]

因为它是一个对象，所以我猜它以这种格式结束。

我需要将它分成以下四列:

Structure_value_room_1
结构_值_长度_1
Structure_value_room_2
结构_值_长度_2

StackOverflow 上的所有其他解决方案仅处理将简单 JSON 转换为 DataFrame 而不是嵌套结构。

P.S.:我知道我可以通过显式命名字段来做一些事情，但我需要一个通用的解决方案，以便将来可以处理任何这种格式的 JSON

[编辑]:输出应该是这样的:

   Structure_value_room_1  Structure_value_length_1  Structure_value_room_2  \
0                       6                         7                     6.0   
1                       6                        22                     NaN   
2                       6                         8                     6.0   

   Structure_value_length_2  
0                       7.0  
1                       NaN  
2                       9.0  

Answer 1

使用带有枚举的嵌套字典理解的列表理解来删除重复的字典键，最后将字典列表传递给 DataFrame 构造函数:

L = [ {f"{k}_{i}": v for i, y in enumerate(x, 1) 
                     for k, v in y.items()}
                     for x in df["Structure_value"] ]
df = pd.DataFrame(L)
print(df)

   Room_1  Length_1  Room_2  Length_2
0       6         7     6.0       7.0
1       6        22     NaN       NaN
2       6         8     6.0       9.0

对于问题使用的列名:

def json_to_df(df, column):

    L = [ {f"{column}_{k.lower()}_{i}": v for i, y in enumerate(x, 1) 
                         for k, v in y.items()}
                         for x in df[column] ]
    return pd.DataFrame(L)


df1 = json_to_df(df, 'Structure_value')
print(df1)
   Structure_value_room_1  Structure_value_length_1  Structure_value_room_2  \
0                       6                         7                     6.0   
1                       6                        22                     NaN   
2                       6                         8                     6.0   

   Structure_value_length_2  
0                       7.0  
1                       NaN  
2                       9.0