Python 如何有效地将维度添加到从复杂字典创建的数据帧中

我认为melt（正如前面讨论的）可能对此有用，但我不太明白如何使用它来解决我的问题

我从这样一本复杂的字典开始：

order = [
    {
        "order_id" : 0,
        "lines" : [
            {
                "line_id" : 1,
                "line_amount" : 3.45,
                "line_description" : "first line"
            },
            {
                "line_id" : 2,
                "line_amount" : 6.66,
                "line_description" : "second line"
            },
            {
                "line_id" : 3,
                "line_amount" : 5.43,
                "line_description" : "third line"
            },
        ]
    },
    {
        "order_id" : 1,
        "lines" : [
        ...
    }
]

我想要一个数据帧，每个订单行一行（不是每个订单一行），它仍然包含原始订单的属性（在本例中只是订单的id）。目前，实现这一目标的最有效方法是：

# Orders DataFrame
odf = pandas.DataFrame(orders)

line_dfs = []
for oid, line_list in odf.iterrows():
    line_df = pandas.DataFrame(line_list).copy()
    line_df["order_id"] = oid
    line_dfs += [ line_df ]

# Line DataFrame
ldf = pandas.concat(line_dfs, sort=False, ignore_index=True).copy()

有没有一种更有效的“矢量化”的方法来实现这一点

ldf = odf.lines.apply(...?...)

---

感谢您的帮助，包括SO或其他地方的答案链接，这些答案已经解决了这个问题，而我还没有找到。

您是否尝试阅读了json

---

df=pd.read_json（orders）

您尝试过read_json吗

---

df=pd.read_json（orders）

使用列表理解和

pop

按键提取

行和字典列表，并传递给
DataFrame
构造函数：

orders = [
    {
        "order_id" : 0,
        "lines" : [
            {
                "line_id" : 1,
                "line_amount" : 3.45,
                "line_description" : "first line"
            },
            {
                "line_id" : 2,
                "line_amount" : 6.66,
                "line_description" : "second line"
            },
            {
                "line_id" : 3,
                "line_amount" : 5.43,
                "line_description" : "third line"
            },
        ]
    },
    {
        "order_id" : 1,
        "lines" : [
 {
                "line_id" : 1,
                "line_amount" : 30.45,
                "line_description" : "first line"
            },
            {
                "line_id" : 2,
                "line_amount" : 60.66,
                "line_description" : "second line"
            },
            {
                "line_id" : 3,
                "line_amount" : 50.43,
                "line_description" : "third line"
            },
        ]
    }
]


另一个带循环的解决方案：

L = []
for x in orders:
    for y in x.pop('lines'):
        L.append({**x, **y})

odf = pd.DataFrame(L)

使用列表理解和
pop
按键提取
行和字典列表，并传递到
DataFrame
构造函数：

orders = [
    {
        "order_id" : 0,
        "lines" : [
            {
                "line_id" : 1,
                "line_amount" : 3.45,
                "line_description" : "first line"
            },
            {
                "line_id" : 2,
                "line_amount" : 6.66,
                "line_description" : "second line"
            },
            {
                "line_id" : 3,
                "line_amount" : 5.43,
                "line_description" : "third line"
            },
        ]
    },
    {
        "order_id" : 1,
        "lines" : [
 {
                "line_id" : 1,
                "line_amount" : 30.45,
                "line_description" : "first line"
            },
            {
                "line_id" : 2,
                "line_amount" : 60.66,
                "line_description" : "second line"
            },
            {
                "line_id" : 3,
                "line_amount" : 50.43,
                "line_description" : "third line"
            },
        ]
    }
]


另一个带循环的解决方案：

L = []
for x in orders:
    for y in x.pop('lines'):
        L.append({**x, **y})

odf = pd.DataFrame(L)

这会给我一个订单的数据框，而我想要一个行的数据框。我可能应该用上面的“blob”来重申这个问题，因为它只是一个dict（这样基本的构造函数就可以使用了）。这将得到一个订单数据框，而我需要一个行数据框。我可能应该用上面的“blob”简单地重复这个问题（这样基本构造函数就可以使用了）。