python json序列化对象,Python json操作

　　Python教程栏目介绍如何嵌套JSON

　　推荐(免费):Python教程

　　调用API和文档数据库将返回嵌套的JSON对象。当我们使用Python尝试将嵌套结构中的键转换为列时，在将数据加载到pandas中时，我们通常会得到以下结果：

　　df=PD . data frame . from _ records(results[" issues "]，columns=[" key "，" fields "])说明：这里results是一个大字典，issues是results的键之一，issues的值是嵌套的JSON对象字典的列表。稍后您将看到JSON嵌套结构。问题是API返回了一个嵌套的JSON结构，但是我们关心的键在对象中处于不同的层次。

　　嵌套的JSON结构就变成这样了。

　　而我们想要的是下面的。

　　以下面API返回的数据为例。API通常包含关于字段的元数据。让我们假设这些是我们想要的字段。

　　Key:JSON key，在第一层。摘要：第二层的“字段”对象。状态：第三级位置。status目录名：在第四嵌套层。如上所述，我们选择提取的字段位于问题列表中JSON结构的四个不同嵌套级别，一个接一个。

　　{

　　展开 : 架构，名称，

　　问题 : [

　　{

　　字段 : {

　　问题类型 : {

　　avatarId: 10300，

　　描述 : ，

　　id: 10005 ，

　　名称 : 新功能，

　　子任务：为假

　　},

　　状态 : {

　　描述 : 已做出决议，正在等待记者核实。从这里开始，问题要么被重新打开，要么被关闭。

　　id: 5 :

　　名称 : 已解决:

　　状态目录 : {

　　颜色名称 : 绿色，

　　id: 3，

　　钥匙 : 完成:

　　名称 : 完成:

　　}

　　},

　　摘要 : 已恢复数据收集碎片整理$MFT问题

　　},

　　id: 11861 ，

　　钥匙 : CAE-160 :

　　},

　　{

　　字段 : {

　　.更多问题】，

　　maxResults: 5，

　　从： 0开始，

　　总计： 160

　　}一个不太好的解决方案

　　一种选择是直接编码写一个函数来寻找一个特定的字段，但问题是你必须为每个嵌套的字段调用这个函数，然后调用。应用于数据框架中的新列。

　　要获得我们想要的几个字段，首先我们提取字段中的对象，这些字段是列的键：

　　s="brush:php;toolbar:false">df = (

　　 df["fields"]

　　 .apply(pd.Series)

　　 .merge(df, left_index=True, right_index = True)

　　)从上表看出，只有summary是可用的，issuetype、status等仍然埋在嵌套对象中。

　　下面是提取issuetype中的name的一种方法。

# 提取issue type的name到一个新列叫"issue_type"

像上面这样，如果嵌套层级特别多，就需要自己手撸一个递归来实现了，因为每层嵌套都需要调用一个像上面解析并添加到新列的方法。

　　对于编程基础薄弱的朋友，手撸一个其实还挺麻烦的，尤其是对于数据分析师，着急想用数据的时候，希望可以快速拿到结构化的数据进行分析。

　　下面东哥分享一个pandas的内置解决方案。

　　内置的解决方案

　　pandas中有一个牛逼的内置功能叫 .json_normalize。

　　pandas的文档中提到：将半结构化JSON数据规范化为平面表。

　　前面方案的所有代码，用这个内置功能仅需要3行就可搞定。步骤很简单，懂了下面几个用法即可。

　　确定我们要想的字段，使用 . 符号连接嵌套对象。

　　将想要处理的嵌套列表（这里是results["issues"]）作为参数放进 .json_normalize 中。

　　过滤我们定义的FIELDS列表。

FIELDS = ["key", "fields.summary", "fields.issuetype.name", "fields.status.name", "fields.status.statusCategory.name"]

没错，就这么简单。

　　其它操作

　　记录路径

　　除了像上面那样传递results["issues"]列表之外，我们还使用record_path参数在JSON对象中指定列表的路径。

# 使用路径而不是直接用results["issues"]

自定义分隔符

　　还可以使用sep参数自定义嵌套结构连接的分隔符，比如下面将默认的“.”替换“-”。

### 用 "-" 替换默认的 "."

控制递归

　　如果不想递归到每个子对象，可以使用max_level参数控制深度。在这种情况下，由于statusCategory.name字段位于JSON对象的第4级，因此不会包含在结果DataFrame中。

# 只深入到嵌套第二级

下面是.json_normalize的pandas官方文档说明，如有不明白可自行学习，本次东哥就介绍到这里。

pandas官方文档：https://pandas.pydata.org/pan...

以上就是Python介绍嵌套 JSON 秒变 Dataframe！的详细内容，更多请关注盛行IT软件开发工作室其它相关文章！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。