我目前在解析來自 HTTP API 調用的深層嵌套 JSON 響應時遇到問題。我的 JSON 響應就像{'took': 476, '_revision': 'r08badf3', 'response': {'accounts': {'hits': [{'name': '4002238760', 'display_name': 'Googleglass-4002238760', 'selected_fields': ['Googleglass', 'DDMonkey', 'Papu New Guinea', 'Jonathan Vardharajan', '4002238760', 'DDMadarchod-INSTE', None, 'Googleglass', '0001012556', 'CC', 'Setu Non Standard', '40022387', 320142, 4651321321333, 1324650651651]}, {'name': '4003893720', 'display_name': 'Swift-4003893720', 'selected_fields': ['Swift', 'DDMonkey', 'Papu New Guinea', 'Jonathan Vardharajan', '4003893720', 'DDMadarchod-UPTM-RemotexNBD', None, 'S.W.I.F.T. SCRL', '0001000110', 'SE', 'Setu Non Standard', '40038937', 189508, 1464739200000, 1559260800000]},收到響應后，我使用 json normalize 將其存儲在數據對象中data = response.json()data = data['response']['accounts']['hits']data = json_normalize(data)但是在我規范化我的數據框之后看起來像這樣所以最終我想將響應與字段名稱一起存儲在數據框中。
1 回答
精慕HU
TA貢獻1845條經驗 獲得超8個贊
過去我不得不做這種事情幾次（將嵌套的 json 弄平）我將解釋我的過程，你可以看看它是否有效，或者至少可以稍微處理一下代碼以適應您的需求。
1）接受data響應，并使用函數將其完全扁平化。當我第一次不得不這樣做時，這個博客非常有幫助。
2) 然后它遍歷創建的平面字典，通過嵌套部分內的新鍵名稱的編號來查找需要創建每一行和列的位置。還有一些鍵是唯一/不同的，所以它們沒有一個數字來標識為“新”行，所以我在我稱之為special_cols.
3）當它遍歷這些時，拉出指定的行號（嵌入在那些平面鍵中），然后以這種方式構造數據幀。
這聽起來很復雜，但是如果您逐行調試和運行，您就可以看到它是如何工作的。盡管如此，我相信它應該可以滿足您的需求。
data = {'took': 476,
'_revision': 'r08badf3',
'response': {'accounts': {'hits': [{'name': '4002238760',
'display_name': 'Googleglass-4002238760',
'selected_fields': ['Googleglass',
'DDMonkey',
'Papu New Guinea',
'Jonathan Vardharajan',
'4002238760',
'DDMadarchod-INSTE',
None,
'Googleglass',
'0001012556',
'CC',
'Setu Non Standard',
'40022387',
320142,
4651321321333,
1324650651651]},
{'name': '4003893720',
'display_name': 'Swift-4003893720',
'selected_fields': ['Swift',
'DDMonkey',
'Papu New Guinea',
'Jonathan Vardharajan',
'4003893720',
'DDMadarchod-UPTM-RemotexNBD',
None,
'S.W.I.F.T. SCRL',
'0001000110',
'SE',
'Setu Non Standard',
'40038937',
189508,
1464739200000,
1559260800000]}]}}}
import pandas as pd
import re
def flatten_json(y):
out = {}
def flatten(x, name=''):
if type(x) is dict:
for a in x:
flatten(x[a], name + a + '_')
elif type(x) is list:
i = 0
for a in x:
flatten(a, name + str(i) + '_')
i += 1
else:
out[name[:-1]] = x
flatten(y)
return out
flat = flatten_json(data)
results = pd.DataFrame()
special_cols = []
columns_list = list(flat.keys())
for item in columns_list:
try:
row_idx = re.findall(r'\_(\d+)\_', item )[0]
except:
special_cols.append(item)
continue
column = re.findall(r'\_\d+\_(.*)', item )[0]
column = column.replace('_', '')
row_idx = int(row_idx)
value = flat[item]
results.loc[row_idx, column] = value
for item in special_cols:
results[item] = flat[item]
輸出：
print (results.to_string())
name displayname selectedfields0 selectedfields1 selectedfields2 selectedfields3 selectedfields4 selectedfields5 selectedfields6 selectedfields7 selectedfields8 selectedfields9 selectedfields10 selectedfields11 selectedfields12 selectedfields13 selectedfields14 took _revision
0 4002238760 Googleglass-4002238760 Googleglass DDMonkey Papu New Guinea Jonathan Vardharajan 4002238760 DDMadarchod-INSTE NaN Googleglass 0001012556 CC Setu Non Standard 40022387 320142.0 4.651321e+12 1.324651e+12 476 r08badf3
1 4003893720 Swift-4003893720 Swift DDMonkey Papu New Guinea Jonathan Vardharajan 4003893720 DDMadarchod-UPTM-RemotexNBD NaN S.W.I.F.T. SCRL 0001000110 SE Setu Non Standard 40038937 189508.0 1.464739e+12 1.559261e+12 476 r08badf3
添加回答
舉報
0/150
提交
取消