pandas.json_normalize()专用于展平多层嵌套json，需正确设置record_path指定展开列表路径、meta保留父级字段、errors="ignore"容错、sep="_"避免列名冲突，并对内层列表二次explode或json_normalize处理。
用 pandas.json_normalize() 处理多层嵌套字典
直接调用 pd.DataFrame() 会把嵌套字典整个塞进一个单元格，根本没法分析。必须用 pandas.json_normalize() —— 它专为扁平化 JSON/API 响应设计，比手写递归解析快且稳定。
关键不是“能不能”，而是“怎么选参数”。常见错误是只传 data，结果字段全挤在顶层，深层键名丢失或被覆盖。
-
record_path指定要展开的嵌套列表路径，比如["data", "items"]；不填就默认展开最外层数组 -
meta列出你想保留的父级字段，支持嵌套路径写法，如["metadata", "request_id"] -
errors="ignore"防止某条记录缺某个嵌套字段时整个解析失败 - 如果嵌套结构不统一（有的有
user.profile，有的没有），加sep="_"避免列名冲突（默认是.）
当嵌套里还含列表：先定位再展开
API 返回中常见 "tags": ["a", "b"] 或 "comments": [{"id":1,"text":"..."}] 这类结构。json_normalize() 默认不展开内层列表，会原样存成 Python list 对象。
解决方法分两步：先用 record_path 提取目标列表，再对结果中仍含列表的列做二次处理。
- 对字符串数组（如
tags），用df.explode("tags")拆成多行 - 对字典数组（如
comments），先json_normalize()展开该列：pd.json_normalize(df["comments"].explode().dropna()) - 注意
explode()会复制父级字段，若只想保留关联 ID，提前提取df[["id"]].explode("comments")再合并
遇到 TypeError: unhashable type: 'dict' 怎么办
这通常发生在你试图用嵌套字典做 groupby、merge 或设为索引时。Pandas 不允许 dict 类型参与哈希操作。
- 检查列类型：
df["raw_data"].apply(type).unique()确认是不是混了 dict 和 None - 快速清洗：用
df["raw_data"].apply(lambda x: str(x) if isinstance(x, dict) else x)转字符串（适合调试） - 真正处理：先
json_normalize()扁平化，再删掉原始嵌套列，别留着“备用” - 如果必须保留原始结构，改用
df["raw_data"].apply(json.dumps)序列化为字符串
性能差？试试 max_level 和预过滤
大响应（>10k 条）下 json_normalize() 可能变慢，尤其嵌套深、字段多。不是函数本身慢，而是默认展开所有层级导致冗余列爆炸。
- 用
max_level=1限制只展开一层，再手动处理关键子字段 - 提前用
response.get("data", [])或[r for r in response["results"] if r.get("status") == "active"]过滤数据，别把整块 JSON 丢给json_normalize - 避免重复解析：把 API 响应存成
.json文件，调试时直接读文件，别反复调接口
嵌套越深，record_path 和 meta 的路径写错就越难排查——建议先用 print(json.dumps(data, indent=2)[:500]) 截取前几行看结构，再动手写路径。
大量免费API接口：立即使用
涵盖生活服务API、金融科技API、企业工商API、等相关的API接口服务。免费API接口可安全、合规地连接上下游，为数据API应用能力赋能！
