Python 如何更快地将嵌套字典转换为pd.dataframe？

我有一个json文件，看起来像这样

{
    "file": "name",
    "main": [{
        "question_no": "Q.1",
        "question": "what is ?",
        "answer": [{
                "user": "John",
                "comment": "It is defined as",
                "value": [
                          {
                            "my_value": 5,
                            "value_2": 10
                          },
                          {
                            "my_value": 24,
                            "value_2": 30
                          }
                          ]
            },
            {
                "user": "Sam",
                "comment": "as John said above it simply means",
                "value": [
                          {
                            "my_value": 9,
                            "value_2": 10
                          },
                          {
                            "my_value": 54,
                            "value_2": 19
                          }
                          ]
            }
        ],
        "closed": "no"
    }]
}

预期结果：

Question_no      question  my_value_sum      value_2_sum       user      comment
Q.1             what is ?      29                40            john    It is defined as
Q.1             what is ?      63                29            Sam     as John said above it simply means

我尝试的是

data=json\u normalize（file\u json，“main”）

然后使用类似for的循环

for ans, row in data.iterrows():
    ....
    ....
    df = df.append(the data)

但使用这种方法的问题是，我的客户会花很多时间拒绝解决方案。

main

列表中大约有1200个项目，需要转换的json文件有450个。因此，这一中间转换过程几乎需要一个小时才能完成

编辑：

---

是否可以将

my_值

和

value_2

之和作为一列获取？（还更新了所需结果）

通过

main

选择字典，并使用参数

record\u path

和

meta

：

data = pd.json_normalize(file_json["main"], 
                         record_path='answer', 
                         meta=['question_no', 'question'])
print (data)
   user                             comment question_no   question
0  John                    It is defined as         Q.1  what is ?
1   Sam  as John said above it simply means         Q.1  what is ?

然后，如果顺序很重要，则将最后N列转换为第一个位置：

N = 2
data = data[data.columns[-N:].tolist() + data.columns[:-N].tolist()]
print (data)
  question_no   question  user                             comment
0         Q.1  what is ?  John                    It is defined as
1         Q.1  what is ?   Sam  as John said above it simply means

---

您的json无效。如果不了解有关问题的更多详细信息，我无法确定。但是首先尝试将数据附加到列表中，然后只在末尾创建df，如

df=pd.DataFrame（问题编号、问题、用户、评论）

@datanovelnow@DominicD但是，然后用户和评论将嵌套列表对吗？你是一个救命的兄弟！难怪你有这么高的代表性。有可能在嵌套列表

value

中得到

my\u值

和

value\u 2

的总和吗？我已编辑了所需的结果。请检查一下out@jezael事实上，我正要发一个问题。但不得不等90分钟才发布另一个问题。这里是我稍微修改过的链接，在值中包含一个

submitted

键，以匹配我的具体情况。如果可以的话，请在那里回答。这对头条新闻和有同样想法的人来说是有意义的issue@Derik81-谢谢，但json似乎无效，只是在中进行了测试。