Python介紹巢狀 JSON 秒變 Dataframe！

Python教學欄位介紹如何巢狀JSON

推薦（免費）：Python教學

呼叫API和文件資料庫會傳回嵌套的JSON對象，當我們使用 Python嘗試將嵌套結構中的鍵轉換為列時，資料載入到pandas中往往會得到以下結果：

df = pd.DataFrame.from_records（results [“ issues”]，columns = [“ key”，“ fields”]）

說明：這裡results是一個大的字典，issues是results其中的一個鍵，issues的值為一個巢狀JSON物件字典的列表，後面會看到JSON巢狀結構。

問題在於API傳回了巢狀的JSON結構，而我們關心的鍵在物件中確處於不同層級。

巢狀的JSON結構張成這樣的。

而我們想要的是下面這樣的。

以下以一個API傳回的資料為例，API通常包含有關欄位的元資料。假設下面這些是我們想要的欄位。

• key：JSON金鑰，在第一層的位置。
• summary：第二層的「欄位」物件。
• status name：第三級位置。
• statusCategory name：位於第4個巢狀層級。

如上，我們選擇要提取的字段在issues列表內的JSON結構中分別處於4個不同的嵌套級別，一環扣一環。

{
  "expand": "schema,names",
  "issues": [
    {
      "fields": {
        "issuetype": {
          "avatarId": 10300,
          "description": "",
          "id": "10005",
          "name": "New Feature",
          "subtask": False
        },
        "status": {
          "description": "A resolution has been taken, and it is awaiting verification by reporter. From here issues are either reopened, or are closed.",
          "id": "5",
          "name": "Resolved",
          "statusCategory": {
            "colorName": "green",
            "id": 3,
            "key": "done",
            "name": "Done",
          }
        },
        "summary": "Recovered data collection Defraglar $MFT problem"
      },
      "id": "11861",
      "key": "CAE-160",
    },
    {
      "fields": { 
... more issues],
  "maxResults": 5,
  "startAt": 0,
  "total": 160
}

一個不太好的解決方案

一種選擇是直接擼碼，寫一個查找特定字段的函數，但問題是必須對每個嵌套字段呼叫此函數，然後再呼叫.apply到DataFrame中的新列。

為獲取我們想要的幾個字段，首先我們提取fields鍵內的物件至列：

df = (
    df["fields"]
    .apply(pd.Series)
    .merge(df, left_index=True, right_index = True)
)

從上表看出，只有summary是可用的，issuetype、status等仍然埋在嵌套物件中。

下面是提取issuetype中的name的一種方法。

# 提取issue type的name到一个新列叫"issue_type"
df_issue_type = (
    df["issuetype"]
    .apply(pd.Series)
    .rename(columns={"name": "issue_type_name"})["issue_type_name"]
)
df = df.assign(issue_type_name = df_issue_type)

像上面這樣，如果嵌套層級特別多，就需要自己手擼一個遞歸來實現了，因為每層嵌套都需要呼叫一個像上面解析並添加到新列的方法。

對於程式設計基礎薄弱的朋友，手擼一個其實還挺麻煩的，尤其是對於資料分析師，著急想用資料的時候，希望可以快速拿到結構化的資料進行分析。

下面東哥分享一個pandas的內建解決方案。

內建的解決方案

pandas中有一個牛逼的內建功能叫 .json_normalize。

pandas的文件中提到：將半結構化JSON資料規範化為平面表。

前面方案的所有程式碼，用這個內建功能只要3行就可搞定。步驟很簡單，懂了下面幾個用法即可。

確定我們要想的字段，使用 . 符號連接嵌套物件。

將想要處理的巢狀清單（這裡是results["issues"]）作為參數放進 .json_normalize 中。

過濾我們定義的FIELDS清單。

FIELDS = ["key", "fields.summary", "fields.issuetype.name", "fields.status.name", "fields.status.statusCategory.name"]
df = pd.json_normalize(results["issues"])
df[FIELDS]

沒錯，就這麼簡單。

其它操作

#記錄路徑

#除了像上面那樣傳遞results["issues"]列表之外，我們也使用record_path參數在JSON物件中指定清單的路徑。

# 使用路径而不是直接用results["issues"]
pd.json_normalize(results, record_path="issues")[FIELDS]

自訂分隔符

也可以使用sep參數自訂嵌套結構連接的分隔符，例如下面將預設的“.”替換“-” 。

### 用 "-" 替换默认的 "."
FIELDS = ["key", "fields-summary", "fields-issuetype-name", "fields-status-name", "fields-status-statusCategory-name"]
pd.json_normalize(results["issues"], sep = "-")[FIELDS]

控制遞歸

如果不想遞歸到每個子對象，可以使用max_level參數來控制深度。在這種情況下，由於statusCategory.name欄位位於JSON物件的第4級，因此不會包含在結果DataFrame#中。

# 只深入到嵌套第二级
pd.json_normalize(results, record_path="issues", max_level = 2)

下面是.json_normalize的pandas官方文件說明，如有不明白可自行學習，本次東哥就介紹到這裡。

pandas官方文件：https://pandas.pydata.org/pan...

以上是Python介紹巢狀 JSON 秒變 Dataframe！的詳細內容。更多資訊請關注PHP中文網其他相關文章！