通过Python JSON_规范化处理JSON嵌套值的问题

尽管查阅了大量的示例和解决方案，但我还没有找到任何适用于这个特定JSON模式的方法

我有一行来自API的JSON：

x = {'rows': [{'columns':
                 [{'name': 'User ID', 'value': '0000123'},
                 {'name': 'Last Name', 'value': 'Test1'}]},
              {'columns':
                 [{'name': 'User ID', 'value': '0000567'},
                 {'name': 'Last Name', 'value': 'Test2'}]}]}

由于某些原因，我无法用各种形式的json_规范化将其输出，我能得到的最接近的结果就是它们的堆栈

pd.json_normalize(data=x,record_path=['rows',['columns']])

结果：

        name    value
0    User ID  0000123
1  Last Name    Test1
2    User ID  0000567
3  Last Name    Test2

但我希望它能输出：

User ID  Last Name
0000123  Test1
0000567  Test2

我正在查看pivot，但没有可用的索引。我可以附加数组值吗？ 或者，可能有更好的方法来创建数据帧，这样就可以轻松地进行规范化

---

感谢您的帮助。

有人可能会有更好的答案，但如果您检查

json_normalize

（）的源代码，“目前效率极低”，只使用列表理解和循环。因此，手动规范化数据可能不会降低多少效率。下面是一个为清晰起见而编写的示例（即，如果检索大型JSON，则扩展性不会很好），该示例在数据上循环以构建字段：

normalized_data={'User ID':[],'Last Name':[]}
for row in x['rows']:
    for column in row['columns']:
        normalized_data[column['name']].append(column['value'])

df=pd.DataFrame(normalized_data)
print(df)

印刷品：

   User ID Last Name
0  0000123     Test1
1  0000567     Test2

---

显然，这并不理想，并且希望看到其他答案，但考虑到json具有开放式格式，如果您没有幸运地将json结构与pandas能够处理的结构相匹配，则很难找到现成的pandas方法

有人可能会有更好的答案，但如果你检查

json_normalize

（）的源代码，“目前效率极低”，只使用列表理解和循环。因此，手动规范化数据可能不会降低多少效率。下面是一个为清晰起见而编写的示例（即，如果检索大型JSON，则扩展性不会很好），该示例在数据上循环以构建字段：

normalized_data={'User ID':[],'Last Name':[]}
for row in x['rows']:
    for column in row['columns']:
        normalized_data[column['name']].append(column['value'])

df=pd.DataFrame(normalized_data)
print(df)

印刷品：

   User ID Last Name
0  0000123     Test1
1  0000567     Test2

显然，这并不理想，并且希望看到其他答案，但考虑到json具有开放式格式，如果您没有幸运地将json结构与pandas能够处理的结构相匹配，则很难找到现成的pandas方法