本文介绍如何使用列表推导式与字典推导式组合，一步将深层嵌套的 JSON 结构（如含 results 和 values 的字典列表）转换为标准 pandas DataFrame，避免显式 for 循环和手动列名定义。
本文介绍如何使用列表推导式与字典推导式组合，一步将深层嵌套的 json 结构（如含 `results` 和 `values` 的字典列表）转换为标准 pandas dataframe，避免显式 for 循环和手动列名定义。
在处理 API 返回的 JSON 数据时，常见一种嵌套结构：外层是记录列表（如 "results"），每条记录内又包含一个键值对列表（如 "values"，其中每个元素是 {"name": "...", "value": "..."}）。直接调用 pd.DataFrame(data["results"]) 无法展开内层字段，导致列名为 "values" 且内容为列表——这并非所需二维表格形式。
正确做法是在构造 DataFrame 前，先将原始嵌套结构“扁平化”为标准的字典列表：每一字典代表一行，键为列名（来自 name 字段），值为对应数据（来自 value 字段）。这可通过嵌套推导式优雅实现：
import pandas as pd
data = {
"results": [
{"values": [{"name": "firstname","value": "Fname1"},{"name": "lastname","value": "Lname1"}]},
{"values": [{"name": "firstname","value": "Fname2"},{"name": "lastname","value": "Lname2"}]},
{"values": [{"name": "firstname","value": "Fname3"},{"name": "lastname","value": "Lname3"}]}
]
}
# 一行代码完成转换：外层遍历 results，内层将 values 转为 {name: value} 字典
df = pd.DataFrame([
{item['name']: item['value'] for item in record['values']}
for record in data['results']
])
print(df)
输出结果为：
firstname lastname 0 Fname1 Lname1 1 Fname2 Lname2 2 Fname3 Lname3
该方案优势明显：
✅ 无需硬编码列名——列名自动从 name 字段提取，适应动态字段；
✅ 无显式循环——推导式逻辑清晰且性能优于传统 for 循环；
✅ 强健性高——若某条记录缺失某个 name（如缺少 "lastname"），对应位置将自动填充 NaN，符合 pandas 行为规范。
⚠️ 注意事项：
- 确保 data["results"] 存在且为列表，record["values"] 为字典列表，且每个字典均含 "name" 和 "value" 键；
- 若存在重复 name 值（如同一条记录中两个 "firstname"），后出现的 value 会覆盖前者（因字典键唯一）；
- 如需处理缺失字段或类型转换（如数值、日期），建议在构造 DataFrame 后使用 df.astype() 或 pd.to_numeric() 等方法统一处理。
此模式可推广至类似嵌套结构（如 "entries"/"fields" 等命名），核心思想始终是：先用推导式生成规范字典列表，再交由 pandas 自动推断列名与数据类型——简洁、可靠、符合 Pythonic 风格。
