Python 从多列数据帧规范化JSON对象

我试图从一个请求中提取JSON的一些信息，但在某一点上遇到了一些问题

因为我的数据是嵌套的JSON，所以我首先使用

df = json_normalize(response)

将信息输入df。但结果我得到了一个df，它仍然有一个包含JSON样式信息的列，我不能再使用JSON_规范化来提取它了。 df看起来像：

id    duration     columnA                            
1     12         [{"A": "600", "B": "30", "C": "50"},{"A": "200", "B": "35", "C": "50"}]  
2     5          [{"A": "300", "B": "70", "C": "80"},{"A": "400", "B": "76", "C": "90"}]                       

但是当我尝试的时候

df2 = json_normalize(df['columnA'])

我只得到一个错误“AttributeError:“list”对象没有属性“values”

因此，我希望得到一个df，如：

A   B   C
600 30  50
200 35  50
300 70  80
400 76  90

你能试试这个吗

df = json_normalize(response, 'columnA', ['A','B','C'])

假设A、B和C是平的，你能试试这个吗

df = json_normalize(response, 'columnA', ['A','B','C'])

---

假设A、B和C是平面的

您可以将每个内部对象标准化，并将结果数据帧合并在一起：

将熊猫作为pd导入
从pandas.io.json导入json_规范化
df=pd.DataFrame(
[
[
1.
2.
[{“A”：“600”，“B”：“30”，“C”：“50”}，{“A”：“200”，“B”：“35”，“C”：“50”}]，
],
[
2.
5.
[{“A”：“300”、“B”：“70”、“C”：“80”}、{“A”：“400”、“B”：“76”、“C”：“90”}]，
],
],
columns='id duration columnA'.split（），
)
打印（pd.concat（list（df.columnA.map（json_normalize）））

输出：

     A   B   C
0  600  30  50
1  200  35  50
0  300  70  80
1  400  76  90

---

您可以将每个内部对象标准化，并将生成的数据帧合并在一起：

将熊猫作为pd导入
从pandas.io.json导入json_规范化
df=pd.DataFrame(
[
[
1.
2.
[{“A”：“600”，“B”：“30”，“C”：“50”}，{“A”：“200”，“B”：“35”，“C”：“50”}]，
],
[
2.
5.
[{“A”：“300”、“B”：“70”、“C”：“80”}、{“A”：“400”、“B”：“76”、“C”：“90”}]，
],
],
columns='id duration columnA'.split（），
)
打印（pd.concat（list（df.columnA.map（json_normalize）））

输出：

     A   B   C
0  600  30  50
1  200  35  50
0  300  70  80
1  400  76  90

---

发布你的

回复

内容发布你的

回复

内容