怎样在Python中使用Pandas高效处理具有父子关系的层级数据?

酷雪大大_1210

酷雪大大_1210

2026-06-18

784人浏览

原创

正确做法是先用 explode() 拆分子列表列,再用 json_normalize() 提取子字段并合并;需统一关联键类型、避免 apply 逐行递归、手动构造嵌套 JSON 以保留层级关系。

怎样在python中使用pandas高效处理具有父子关系的层级数据?

如何用 pandas.DataFrame.explode() 展开嵌套的父子层级结构

当原始数据里父节点带子节点列表(比如 JSON 中的 "children": [{"id": 1}, {"id": 2}]),直接 pd.read_json() 会把整个子列表塞进一个单元格,后续无法按行分析。这时候不能手动循环 for 构建新 DataFrame——太慢,且易出错。

正确做法是先用 pd.json_normalize() 尝试扁平化,但对多层嵌套或不规则结构常失败;更稳的方式是先保留原结构,再用 explode() 拆开子列表列:

  • df = df.explode('children') —— 把每个父行按子项数量复制,children 列变成单个字典
  • 接着用 pd.json_normalize(df['children']) 提取子字段,再 pd.concat([df.drop('children', axis=1), ...], axis=1) 合并
  • 注意:如果 children 是 None 或空列表,explode() 默认会丢弃该行;加参数 ignore_index=False 并配合 dropna=False 可保留父行(此时子字段为 NaN)

用 pd.merge() 实现父子表关联时,为什么 left_on/right_on 必须严格对齐类型?

常见错误是父表的 id 是 int64,子表的 parent_id 是 object(含空字符串或 'null'),一合并就全 NaN——不是逻辑错,是类型不匹配。

实操必须检查并统一:

  • 用 df['parent_id'].apply(type).unique() 看是否混杂类型
  • 清理非数字值:df['parent_id'] = pd.to_numeric(df['parent_id'], errors='coerce')
  • 确保父表 id 和子表 parent_id 都是同一数值类型(推荐 Int64,支持 pd.NA)
  • 合并后立刻验证:merged['_merge'] = merged._merge.astype(str) 看 'both' 比例,低于预期说明关联键有脏数据

层级遍历性能瓶颈在哪?别用 apply(lambda x: ...) 递归找根节点

需要给每个节点打上“顶层父ID”或计算深度时,有人写 df['root_id'] = df.apply(get_root_id, axis=1),数据量超 5k 行就明显卡顿——这是 Python 层面逐行解释执行,完全没利用 Pandas 的向量化能力。

Camoufox Open Source Anti-Detect Browser for Python Automation
Camoufox Open Source Anti-Detect Browser for Python Automation

Camoufox 是一个基于 Firefox 构建的开源反检测浏览器,为 Python 自动化工作流程提供强大的指纹注入和反机器人检测规避功能。它与 Playwright 集成,以提供能够绕过现代机器人检测系统的隐身浏览能力。

下载

替代方案分两步:

  • 先构建映射字典:parent_map = df.set_index('id')['parent_id'].to_dict()(O(n) 时间)
  • 再用循环字典查找(比 DataFrame 查找快 10 倍以上):[find_root(pid, parent_map) for pid in df['id']]
  • 深度计算同理:缓存已知深度,避免重复递归;若层级深于 100,改用 while 循环 + 计数器防栈溢出

导出树形结构时,to_json(orient='records') 为何丢失层级关系?

直接 df.to_json(orient='records') 输出的是平铺数组,父子关系只剩字段名(如 parent_id),前端或下游系统无法直接渲染树。这不是 Pandas 的缺陷,而是 JSON 格式本身不携带结构语义。

真正要的是嵌套 JSON,得手动构造:

  • 先按 parent_id 分组:grouped = df.groupby('parent_id')
  • 递归函数中,对每个 parent_id 调用 grouped.get_group(pid).to_dict('records'),再把结果赋给 'children' 键
  • 注意:根节点 parent_id 通常为 None 或 0,需单独提取;递归前务必用 df = df.copy() 避免 SettingWithCopyWarning
  • 大数据量时,用 defaultdict(list) 预存子节点引用,比反复 groupby 快 3–5 倍

父子层级处理最耗时间的从来不是语法,而是类型隐式转换、空值传播和重复索引查找——每一步都得盯着 dtypes 和 isna().sum() 看。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

python

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1951

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5504

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1889

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

33637

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3947

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3947

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1283

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3063

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程