如何使用 Pandas 将 CSV 转换为带自定义头部的 JSON 结构-Python教程-PHP中文网

如何使用 Pandas 将 CSV 转换为带自定义头部的 JSON 结构

本文介绍如何在 Pandas 中读取 CSV 文件后，将其数据与自定义元数据字典（如时间戳、消息计数等）合并，生成符合嵌套结构要求的 JSON 文件。核心是利用 to_dict(orient='records') 将 DataFrame 转为记录列表，并与头部字典融合后用标准 json.dump 写入磁盘。

本文介绍如何在 pandas 中读取 csv 文件后，将其数据与自定义元数据字典（如时间戳、消息计数等）合并，生成符合嵌套结构要求的 json 文件。核心是利用 `to_dict(orient='records')` 将 dataframe 转为记录列表，并与头部字典融合后用标准 `json.dump` 写入磁盘。

要将 CSV 数据转换为包含全局元信息（header）和结构化记录（track 数组）的 JSON 文件，关键在于不依赖 DataFrame.to_json() 的单一输出能力，而是采用“先结构化、后序列化”的两步法：先用 Pandas 完成数据清洗与准备，再用原生 json 模块构建并导出完整对象。

✅ 正确实现步骤

读取 CSV 为 DataFrame（注意分隔符与列名处理）

import pandas as pd

csv_file = "Mypath"
df = pd.read_csv(csv_file, sep=";", header=0)

定义头部元数据字典

headlines = {
    "now": 1636008051.9,
    "messages": 6236
}

将 DataFrame 转为 records 列表，并挂载为 track 键值
使用 df.to_dict(orient='records') 可精确生成每行对应一个字典的列表，字段名自动保留，数值类型（如整数、浮点数）也保持原生 Python 类型（避免 to_json() 可能引入的字符串强制转换问题）：
```
headlines["track"] = df.to_dict(orient='records')
```
写入 JSON 文件（推荐方式）

Feishu calendar sync, local ics to json data for AI agent
将ICS日历文件转为JSON格式，用于飞书日历导入导出及数据集成。

下载
```
import json

output_path = "result.json"
with open(output_path, "w", encoding="utf-8") as f:
    json.dump(headlines, f, indent=2, ensure_ascii=False)
```
✅ indent=2 提升可读性；ensure_ascii=False 支持中文等 Unicode 字符（如有需要）；encoding="utf-8" 显式声明编码，避免跨平台写入异常。

⚠️ 注意事项与最佳实践

避免 to_json(..., orient='records') 直接写入：该方法仅输出纯数组，无法嵌入额外字段（如 "now" 或 "messages"），必须通过字典组合实现结构扩展。
类型一致性提醒：Pandas 中部分数值列（如 Param2 在示例中为数字但原始 CSV 含前导零）可能被自动转为 int，若需严格保留字符串格式（例如 "009999"），应在 read_csv 中显式指定 dtype={"Param2": str}。

路径安全建议：使用 os.path.join() 或 pathlib.Path 构建文件路径，避免硬编码拼接：

from pathlib import Path
output_path = Path("output") / "result.json"
output_path.parent.mkdir(exist_ok=True)
with open(output_path, "w", encoding="utf-8") as f:
    json.dump(headlines, f, indent=2)