Python处理嵌套JSON数据方法

在Python数据处理中，JSON嵌套结构的处理是常见且重要的任务。本文深入探讨了如何利用 `pandas` 库中的 `json_normalize` 工具，高效地将嵌套JSON数据转化为易于分析的表格形式。首先，文章解释了嵌套JSON的结构特点，如包含字典和列表的多层结构，并展示了如何使用 `json_normalize` 展开地址等字段，通过点号路径访问深层数据。其次，重点介绍了展开列表字段的技巧，包括使用 `explode` 将列表元素拆分为单独的行，以及将列表合并为字符串显示的方法。最后，针对更复杂的嵌套情况，阐述了如何通过 `record_path` 指定路径提取深层字段，并结合 `max_level` 控制展开层级。掌握这些技巧，能有效提升Python处理JSON数据的效率和准确性，为数据分析和应用开发提供便利。

json_normalize 是 pandas 用于处理嵌套 JSON 数据的工具。1. 理解嵌套 JSON 结构，如包含字典和列表的多层结构；2. 使用 json_normalize 可将嵌套数据拍平成表格形式，地址字段通过点号路径展开；3. 利用 explode 展开列表字段，每个元素单独一行，或合并为字符串显示；4. 处理复杂嵌套时可通过 record_path 指定路径提取深层字段，结合 max_level 控制展开层级。

处理JSON嵌套结构在Python中是一个常见的任务，尤其是在从API获取数据时。json_normalize 是 pandas 提供的一个非常实用的工具，能将嵌套的 JSON 数据“拍平”成表格形式，方便后续分析。

1. 理解什么是嵌套JSON

在实际工作中，我们经常遇到类似如下的结构：

data = [
    {
        "id": 1,
        "name": "Alice",
        "address": {
            "city": "Beijing",
            "zip": "100000"
        },
        "hobbies": ["reading", "cycling"]
    },
    {
        "id": 2,
        "name": "Bob",
        "address": {
            "city": "Shanghai",
            "zip": "200000"
        },
        "hobbies": ["gaming"]
    }
]

这个结构中包含了字典嵌套和列表，直接用 pd.DataFrame(data) 处理的话，有些字段还是嵌套的，不方便查看和分析。

2. 使用 json_normalize 基础用法

pandas.json_normalize() 的基本作用就是把嵌套结构展开成列。你可以这样使用它：

import pandas as pd

df = pd.json_normalize(data)
print(df)

输出结果会是这样的 DataFrame：

这样地址信息就被“平铺”出来了。

提示：

• 如果你只想要某些字段，可以加 record_path 参数指定路径。
• 想要展开列表类型字段（比如 hobbies），可以结合 max_level=1 或者使用 explode。

3. 展开列表字段的技巧

上面的例子中，hobbies 字段是列表，如果我们想把每个爱好单独一行，可以用 explode：

df = df.explode("hobbies")

这样原来的一行可能会变成多行，例如 Alice 就会有两行记录，分别对应 reading 和 cycling。

如果你希望保留原始结构但又不想丢掉列表中的多个值，也可以考虑把这些值合并成字符串：

df["hobbies"] = df["hobbies"].apply(lambda x: ", ".join(x))

这样显示更直观，适合展示类用途。

4. 更复杂的嵌套怎么处理？

当结构更深的时候，比如：

{
    "user": {
        "profile": {
            "name": "Charlie",
            "contact": {
                "email": "charlie@example.com",
                "phone": "123456789"
            }
        }
    }
}

你可以通过点号表示法访问深层字段：

pd.json_normalize(data, max_level=10)

或者指定字段路径：

df = pd.json_normalize(
    data,
    record_path=["user", "profile"],
    meta=[["user", "profile", "contact", "email"]]
)

不过一般建议先用 max_level 试试看效果，再根据需要提取特定字段。

总的来说，json_normalize 虽然功能强大，但也不是万能的，有时候需要配合 apply、explode、rename 等操作一起使用。关键是理解原始结构，并有意识地控制输出格式。

基本上就这些，不复杂但容易忽略细节的地方在于字段路径和层级结构的匹配，稍不小心就会出错。

今天关于《Python处理嵌套JSON数据方法》的内容介绍就到此结束，如果有什么疑问或者建议，可以在golang学习网公众号下多多回复交流；文中若有不正之处，也希望回复留言以告知！