Python 如何从json数据创建数据帧-数组中的dicts、list和array

我无法从json数据中获取数据，只能获取标题

我曾尝试使用json_normalize，它从json数据创建一个数据帧，但当我尝试循环并附加数据时，结果是我只得到了头

将熊猫作为pd导入
导入json
导入请求
从pandas.io.json导入json_规范化
将numpy作为np导入
#导入json数据
def get_json（文件路径）：
r=请求。获取（'https://www.atg.se/services/racinginfo/v1/api/games/V75_2019-09-29_5_6')
jsonResponse=r.json（）
打开（文件路径为“w”，编码为“utf-8”）作为输出文件：
dump（jsonResponse，outfile，确保ascii=False，indent=None）
#运行函数并选择保存json文件的位置
获取_json（'../trav.json'）
#打开json文件并打印密钥列表
使用open（'../trav.json'，r'）作为json_数据：
d=json.load（json_数据）
打印（列表（d.keys（）））
[Out]：
['@type'，'id'，'status'，'pool'，'races'，'currentVersion']

为了在一场比赛中获得起跑的所有数据，我可以使用json_normalize函数

race\u 1\u starts=json\u规范化（d['races'][0]['starts']
比赛1开始比赛df=比赛1开始。下降（“视频”，轴=1）
打印（比赛\u 1\u开始\u df）
[Out]：
距离驱动程序。出生。。。result.prizeMoney result.startNumber
0       1640          1984  ...             62500                   1
1       1640          1976  ...             11000                   2
2       1640          1968  ...               500                   3
3       1640          1953  ...            250000                   4
4       1640          1968  ...               500                   5
5       1640          1962  ...             18500                   6
6       1640          1961  ...              7000                   7
7       1640          1989  ...             31500                   8
8       1640          1960  ...               500                   9
9       1640          1954  ...               500                  10
10      1640          1977  ...            125000                  11
11      1640          1977  ...               500                  12

在上面，我们得到了一个数据帧，其中包含一场比赛的所有起跑数据。但是，当我尝试循环范围内的所有比赛以获取所有比赛的所有起跑数据时，我只获取每场比赛的标题，而不获取每场比赛的起跑数据：

所有_开始=[]
对于范围内的t（len（d['races']）：
附加（[t+1，json_规范化（d['races'][t]['starts']））
all_starts_df=pd.DataFrame（all_starts，columns=['race'，'starts']））
打印（所有开始位置）
[Out]：
比赛开始
0 1距离。。。
12距离。。。
2 3距离。。。
3.4距离。。。
4.5距离。。。
5.6距离。。。
6.7距离。。。

在输出中，我想要一个数据帧，它是来自所有种族的所有起点上的数据的合并。请注意，列的数量可能因种族而异，但我希望在一个种族有21列，另一个种族有20列的情况下，all_starts_df应该包含所有列，但如果一个种族没有一列的数据，它应该说“NaN”

预期结果：

[Out]：
赛跑距离车手。出生。。。result.column_20 result.column_22
1       1640          1984  ...             12500                   1
1       1640          1976  ...             11000                   2
2       2140          1968  ...               南1
2       2140          1953  ...               南2
3       3360          1968  ...              1500南
3       3360          1953  ...            250000南

如果需要所有列，可以尝试此操作。。（我发现有20多列，所以可能有问题。）

或者，如果您知道要保留的列的名称，请尝试以下操作

columns = ['race', 'distance', 'driver.birth', 'result.prizeMoney']
all_starts = []

for idx, race in enumerate(d['races']):
    df = json_normalize(race['starts'])
    df['race'] = idx
    all_starts.append(df[columns])

# Concatenate all dataframes for each race to make one dataframe
df_all_starts = pd.concat(all_starts, axis=0)

---

如果您想要所有列，可以尝试此。。（我发现有20多列，所以可能有问题。）

或者，如果您知道要保留的列的名称，请尝试以下操作

columns = ['race', 'distance', 'driver.birth', 'result.prizeMoney']
all_starts = []

for idx, race in enumerate(d['races']):
    df = json_normalize(race['starts'])
    df['race'] = idx
    all_starts.append(df[columns])

# Concatenate all dataframes for each race to make one dataframe
df_all_starts = pd.concat(all_starts, axis=0)

---

超级的！非常感谢您的快速回复！：）超级的！非常感谢您的快速回复！：）