在本文中，我們將探索如何使用 pandas 有效地操作具有巢狀物件的 JSON 資料結構。
考慮以下JSON 結構：
<code class="json">{
"number": "",
"date": "01.10.2016",
"name": "R 3932",
"locations": [
{
"depTimeDiffMin": "0",
"name": "Spital am Pyhrn Bahnhof",
"arrTime": "",
"depTime": "06:32",
"platform": "2",
"stationIdx": "0",
"arrTimeDiffMin": "",
"track": "R 3932"
},
{
"depTimeDiffMin": "0",
"name": "Windischgarsten Bahnhof",
"arrTime": "06:37",
"depTime": "06:40",
"platform": "2",
"stationIdx": "1",
"arrTimeDiffMin": "1",
"track": ""
},
{
"depTimeDiffMin": "",
"name": "Linz/Donau Hbf",
"arrTime": "08:24",
"depTime": "",
"platform": "1A-B",
"stationIdx": "22",
"arrTimeDiffMin": "1",
"track": ""
}
]
}</code>pandas 嵌套的json_normalize 函數允許我們將巢狀的json_normalize 函數允許我們將巢狀的json_normalize 函數允許我們將巢狀的json_normalize 函數允許我們將巢狀的json_normalize 函數允許我們將嵌套物件扁平化為表格格式：
<code class="python">import json
with open('myJson.json') as data_file:
data = json.load(data_file)
df = pd.json_normalize(data, 'locations', ['date', 'number', 'name'],
record_prefix='locations_')</code>這會產生一個DataFrame，其中包含嵌套「位置」物件中每個鍵的欄位。
如果不需要扁平化，您可以使用Pandas 的分組和串聯功能：
<code class="python">df = pd.read_json("myJson.json")
df.locations = pd.DataFrame(df.locations.values.tolist())['name']
df = df.groupby(['date', 'name', 'number'])['locations'].apply(','.join).reset_index()</code>此方法將「位置」值串聯為「日期」、「名稱」和「數字」的每個唯一組合的逗號分隔字串.
透過利用pandas 的json_normalize 和分組/串聯功能，我們可以有效地處理巢狀的JSON 結構，從而允許我們以表格格式提取和操作資料。
以上是Pandas 如何處理巢狀的 JSON 物件？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
