python教程欄目介紹如何嵌套JSONK8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

推薦（免費(fèi)）：python教程K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

調(diào)用API和文檔數(shù)據(jù)庫會(huì)返回嵌套的JSON對(duì)象，當(dāng)我們使用Python嘗試將嵌套結(jié)構(gòu)中的鍵轉(zhuǎn)換為列時(shí)，數(shù)據(jù)加載到pandas中往往會(huì)得到如下結(jié)果：K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

df = pd.DataFrame.from_records（results [“ issues”]，columns = [“ key”，“ fields”]）說明：這里results是一個(gè)大的字典，issues是results其中的一個(gè)鍵，issues的值為一個(gè)嵌套JSON對(duì)象字典的列表，后面會(huì)看到JSON嵌套結(jié)構(gòu)。

問題在于API返回了嵌套的JSON結(jié)構(gòu)，而我們關(guān)心的鍵在對(duì)象中確處于不同級(jí)別。K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

嵌套的JSON結(jié)構(gòu)張成這樣的。K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

而我們想要的是下面這樣的。K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

下面以一個(gè)API返回的數(shù)據(jù)為例，API通常包含有關(guān)字段的元數(shù)據(jù)。假設(shè)下面這些是我們想要的字段。K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

key：JSON密鑰，在第一級(jí)的位置。summary：第二級(jí)的“字段”對(duì)象。status name：第三級(jí)位置。statusCategory name：位于第4個(gè)嵌套級(jí)別。

如上，我們選擇要提取的字段在issues列表內(nèi)的JSON結(jié)構(gòu)中分別處于4個(gè)不同的嵌套級(jí)別，一環(huán)扣一環(huán)。K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

{ "expand": "schema,names", "issues": [ { "fields": { "issuetype": { "avatarId": 10300, "description": "", "id": "10005", "name": "New Feature", "subtask": False }, "status": { "description": "A resolution has been taken, and it is awaiting verification by reporter. From here issues are either reopened, or are closed.", "id": "5", "name": "Resolved", "statusCategory": { "colorName": "green", "id": 3, "key": "done", "name": "Done", } }, "summary": "Recovered data collection Defraglar $MFT problem" }, "id": "11861", "key": "CAE-160", }, { "fields": { ... more issues], "maxResults": 5, "startAt": 0, "total": 160 }

一個(gè)不太好的解決方案K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

一種選擇是直接擼碼，寫一個(gè)查找特定字段的函數(shù)，但問題是必須對(duì)每個(gè)嵌套字段調(diào)用此函數(shù)，然后再調(diào)用.apply到DataFrame中的新列。K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

為獲取我們想要的幾個(gè)字段，首先我們提取fields鍵內(nèi)的對(duì)象至列：K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

df = ( df["fields"] .apply(pd.Series) .merge(df, left_index=True, right_index = True) )

從上表看出，只有summary是可用的，issuetype、status等仍然埋在嵌套對(duì)象中。K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

下面是提取issuetype中的name的一種方法。K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

# 提取issue type的name到一個(gè)新列叫"issue_type" df_issue_type = ( df["issuetype"] .apply(pd.Series) .rename(columns={"name": "issue_type_name"})["issue_type_name"] ) df = df.assign(issue_type_name = df_issue_type)

像上面這樣，如果嵌套層級(jí)特別多，就需要自己手?jǐn)]一個(gè)遞歸來實(shí)現(xiàn)了，因?yàn)槊繉忧短锥夹枰{(diào)用一個(gè)像上面解析并添加到新列的方法。K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

對(duì)于編程基礎(chǔ)薄弱的朋友，手?jǐn)]一個(gè)其實(shí)還挺麻煩的，尤其是對(duì)于數(shù)據(jù)分析師，著急想用數(shù)據(jù)的時(shí)候，希望可以快速拿到結(jié)構(gòu)化的數(shù)據(jù)進(jìn)行分析。K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

下面東哥分享一個(gè)pandas的內(nèi)置解決方案。K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

內(nèi)置的解決方案K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

pandas中有一個(gè)牛逼的內(nèi)置功能叫 .json_normalize。K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

pandas的文檔中提到：將半結(jié)構(gòu)化JSON數(shù)據(jù)規(guī)范化為平面表。K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

前面方案的所有代碼，用這個(gè)內(nèi)置功能僅需要3行就可搞定。步驟很簡(jiǎn)單，懂了下面幾個(gè)用法即可。K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

確定我們要想的字段，使用 . 符號(hào)連接嵌套對(duì)象。K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

將想要處理的嵌套列表（這里是results["issues"]）作為參數(shù)放進(jìn) .json_normalize 中。K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

過濾我們定義的FIELDS列表。K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

FIELDS = ["key", "fields.summary", "fields.issuetype.name", "fields.status.name", "fields.status.statusCategory.name"] df = pd.json_normalize(results["issues"]) df[FIELDS]

沒錯(cuò)，就這么簡(jiǎn)單。K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

其它操作K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

記錄路徑K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

除了像上面那樣傳遞results["issues"]列表之外，我們還使用record_path參數(shù)在JSON對(duì)象中指定列表的路徑。K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

# 使用路徑而不是直接用results["issues"] pd.json_normalize(results, record_path="issues")[FIELDS]

自定義分隔符K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

還可以使用sep參數(shù)自定義嵌套結(jié)構(gòu)連接的分隔符，比如下面將默認(rèn)的“.”替換“-”。K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

### 用 "-" 替換默認(rèn)的 "." FIELDS = ["key", "fields-summary", "fields-issuetype-name", "fields-status-name", "fields-status-statusCategory-name"] pd.json_normalize(results["issues"], sep = "-")[FIELDS]

控制遞歸K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

如果不想遞歸到每個(gè)子對(duì)象，可以使用max_level參數(shù)控制深度。在這種情況下，由于statusCategory.name字段位于JSON對(duì)象的第4級(jí)，因此不會(huì)包含在結(jié)果DataFrame中。K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

# 只深入到嵌套第二級(jí) pd.json_normalize(results, record_path="issues", max_level = 2)

下面是.json_normalize的pandas*方文檔說明，如有不明白可自行學(xué)習(xí)，本次東哥就介紹到這里。K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

pandas*方文檔：https://pandas.pydata.org/pan...

以上就是Python介紹嵌套 JSON 秒變 Dataframe！的詳細(xì)內(nèi)容，更多請(qǐng)關(guān)注少兒編程網(wǎng)其它相關(guān)文章！K8Y少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)