问Pandas -在dataframe的列中展开嵌套的json数组
EN

Stack Overflow用户

提问于 2017-12-12 04:13:26

回答 3查看 19.2K关注 0票数 14

我有一个json数据(来自mongodb)，其中包含数千条记录(即json对象的数组/列表)，每个对象的结构如下所示：

{
   "id":1,
   "first_name":"Mead",
   "last_name":"Lantaph",
   "email":"mlantaph0@opensource.org",
   "gender":"Male",
   "ip_address":"231.126.209.31",
   "nested_array_to_expand":[
      {
         "property":"Quaxo",
         "json_obj":{
            "prop1":"Chevrolet",
            "prop2":"Mercy Streets"
         }
      },
      {
         "property":"Blogpad",
         "json_obj":{
            "prop1":"Hyundai",
            "prop2":"Flashback"
         }
      },
      {
         "property":"Yabox",
         "json_obj":{
            "prop1":"Nissan",
            "prop2":"Welcome Mr. Marshall (Bienvenido Mister Marshall)"
         }
      }
   ]
}

当加载到数据帧中时，"nested_array_to_expand“是一个包含json的字符串(我确实在加载过程中使用了"json_normalize”)。预期的结果是获得一个包含3行(给定上面的示例)和嵌套对象的新列的数据帧，如下所示：

index   email first_name gender  id      ip_address last_name  \
0  mlantaph0@opensource.org       Mead   Male   1  231.126.209.31   Lantaph   
1  mlantaph0@opensource.org       Mead   Male   1  231.126.209.31   Lantaph   
2  mlantaph0@opensource.org       Mead   Male   1  231.126.209.31   Lantaph   

  test.name                                      test.obj.ahah test.obj.buzz  
0     Quaxo                                      Mercy Streets     Chevrolet  
1   Blogpad                                          Flashback       Hyundai  
2     Yabox  Welcome Mr. Marshall (Bienvenido Mister Marshall)        Nissan

我可以用下面的函数得到这个结果，但它非常慢( 1k个记录大约2秒)，所以我想要么改进现有的代码，要么找到一个完全不同的方法来获得这个结果。

def expand_field(field, df, parent_id='id'):
    all_sub = pd.DataFrame()
    # we need an id per row to be able to merge back dataframes
    # if no id, then we will create one based on index of rows
    if parent_id not in df:
        df[parent_id] = df.index

    # go through all rows and create a new dataframe with values
    for i, row in df.iterrows():
        try:
            sub = json_normalize(df[field].values[i])
            sub = sub.add_prefix(field + '.')
            sub['parent_id'] = row[parent_id]
            all_sub = all_sub.append(sub)
        except:
            print('crash')
            pass
    df = pd.merge(df, all_sub, left_on=parent_id, right_on='parent_id', how='left')
    #remove old columns
    del df["parent_id"]
    del df[field]
    #return expanded dataframe
    return df

非常感谢你的帮助。

用于回答评论====的=====编辑

从mongodb加载的数据是一个object数组。我用下面的代码加载它：

data = json.loads(my_json_string)
df = json_normalize(data)

输出给我一个df"nested_array_to_expand“作为dtype对象(字符串)数据帧

0    [{'property': 'Quaxo', 'json_obj': {'prop1': '...
Name: nested_array_to_expand, dtype: object

json

pandas

python

在线客服搭建方案

搭建集AI机器人、在线客服、智能外呼等多功能服务的客服系统，支持快速接入及自搭建客服系统，从而让顾客快速得到解答

回答 3

Stack Overflow用户

发布于 2017-12-12 05:07:19

我提出了一个有趣的答案，我认为使用pandas.json_normalize。

我用它来扩展嵌套的json --也许还有更好的方法，但是您一定要考虑使用这个特性。然后，您只需根据需要对列进行重命名。

import io
from pandas import json_normalize

# Loading the json string into a structure
json_dict = json.load(io.StringIO(json_str))

df = pd.concat([pd.DataFrame(json_dict), 
                json_normalize(json_dict['nested_array_to_expand'])], 
                axis=1).drop('nested_array_to_expand', 1)

票数 14

Stack Overflow用户

发布于 2018-09-25 12:55:28

下面的代码就是您想要的。您可以使用python的内置列表函数来展开嵌套列表，并将其作为新的dataframe进行传递。pd.DataFrame(list(json_dict['nested_col']))

您可能需要进行多次迭代，这取决于数据的嵌套程度。

from pandas.io.json import json_normalize


df= pd.concat([pd.DataFrame(json_dict), pd.DataFrame(list(json_dict['nested_array_to_expand']))], axis=1).drop('nested_array_to_expand', 1)

票数 6

Stack Overflow用户

发布于 2020-12-08 09:24:20

import pandas as pd
import json

data = '''
[
  {
   "id":1,
   "first_name":"Mead",
   "last_name":"Lantaph",
   "email":"mlantaph0@opensource.org",
   "gender":"Male",
   "ip_address":"231.126.209.31",
   "nested_array_to_expand":[
      {
         "property":"Quaxo",
         "json_obj":{
            "prop1":"Chevrolet",
            "prop2":"Mercy Streets"
         }
      },
      {
         "property":"Blogpad",
         "json_obj":{
            "prop1":"Hyundai",
            "prop2":"Flashback"
         }
      },
      {
         "property":"Yabox",
         "json_obj":{
            "prop1":"Nissan",
            "prop2":"Welcome Mr. Marshall (Bienvenido Mister Marshall)"
         }
      }
   ]
  }
]
'''
data = json.loads(data)
result = pd.json_normalize(data, "nested_array_to_expand", 
                           ['email', 'first_name', 'gender', 'id', 'ip_address', 'last_name'])

结果

  property json_obj.prop1                                     json_obj.prop2  \
0    Quaxo      Chevrolet                                      Mercy Streets   
1  Blogpad        Hyundai                                          Flashback   
2    Yabox         Nissan  Welcome Mr. Marshall (Bienvenido Mister Marshall)   

                      email first_name gender id      ip_address last_name  
0  mlantaph0@opensource.org       Mead   Male  1  231.126.209.31   Lantaph  
1  mlantaph0@opensource.org       Mead   Male  1  231.126.209.31   Lantaph  
2  mlantaph0@opensource.org       Mead   Male  1  231.126.209.31   Lantaph