Python 如何在pandas中展平json字段

我正在加载一个带有嵌套值的json文件。以下是它的加载方式：

>>> pd.read_json('/Users/david/Desktop/validate_headers/json/example_array2.json')
                                  address firstname   lastname  zip_code
0     {'state': 'MI', 'town': 'Dearborn'}    Jimmie  Barninger     12345
1  {'state': 'CA', 'town': 'Los Angeles'}      John        Doe     90027

我想展平嵌套对象，以便我的结束数据帧如下所示：

firstname   lastname    zip_code    address.state   address.town
Jimmie      Barninger   12345       MI              Dearborn
John        Doe         90027       CA              Los Angeles

---

我该怎么做，也就是说，如果dataframe列是一个对象，将该列拆分为多个列（直到没有json对象为止）？

如果您的

地址
列不是字典，您可以通过以下方式转换为一个：

import ast
df.address = [ast.literal_eval(df.address[i]) for i in df.index]

然后：

df.address.apply(pd.Series)

    state   town
0   MI  Dearborn
1   CA  Los Angeles

虽然不确定数据集的长度，但也可以通过以下方式实现：

def literal_return(val):
try:
    return ast.literal_eval(val)
except (ValueError, SyntaxError) as e:
    return val
df.address.apply(literal_return)

>>%timeit [ast.literal_eval(df.address[i]) for i in df.index]
144 µs ± 2.4 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

>>%timeit df.address.apply(literal_return)
454 µs ± 4.02 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

简单得多：

df = pd.DataFrame({'address': [{'state': 'MI', 'town': 'Dearborn'} , {'state': 'CA', 'town': 'Los Angeles'}], 'name':['John', 'Jane']})

df = df.join(df['address'].apply(pd.Series))

然后

下面是一种使用
apply
的方法：

df['city'] = df.address.apply(lambda x: x.split(',')[0].split(':')[1].replace("'","").replace("}",""))
df['state'] = df.address.apply(lambda x: x.split(',')[1].split(':')[1].replace("'","").replace("}",""))
df.drop(columns=['address'], inplace=True)

在下面使用（）

如果你使用
类型（df.loc[0，'address']）
@meW
object
你会得到什么，但我也能从大多数字符串中得到。很好，那么
ast.literal\u eval（）
就是你的救星，正如@anky\u 91所解释的那样，它工作得很好，不过如果对象很大并且嵌套，这不是很慢吗？是的。谢谢你的努力。我想知道在
apply
下使用
split
是否可以减少开销。无论如何，谢谢你的比较。我将分享我的方法。给我一点时间。@anky_91你能比较一下我的方法和理解力的表现吗。我很想看到结果。太好了，这说明了一切+从我这边来，也许吧。但如果用pd.read_json加载json，它是一个对象，而不是字符串。如果你也想解析json字符串，只需
.apply（json.loads，axis=1）
对我来说，注释是：“@meW object，但大多数字符串我也能得到它。”这意味着他也能得到大多数字符串的“object”类型。并不一定意味着他实际上有json的字符串表示
df['city'] = df.address.apply(lambda x: x.split(',')[0].split(':')[1].replace("'","").replace("}",""))
df['state'] = df.address.apply(lambda x: x.split(',')[1].split(':')[1].replace("'","").replace("}",""))
df.drop(columns=['address'], inplace=True)

from pandas.io.json import json_normalize