在本文中，我们将探索如何使用 pandas 有效地操作具有嵌套对象的 JSON 数据结构。
考虑以下 JSON 结构：
<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 的 json_normalize 函数允许我们将嵌套对象扁平化为表格格式：
<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>这会生成一个 DataFrame，其中包含嵌套“位置”对象中每个键的列。
如果不需要扁平化，您可以使用 Pandas 的分组和串联功能：
<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>此方法将“位置”值串联为“日期”、“名称”和“数字”的每个唯一组合的逗号分隔字符串.
通过利用 pandas 的 json_normalize 和分组/串联功能，我们可以有效地处理嵌套的 JSON 结构，从而允许我们以表格格式提取和操作数据。
以上是Pandas 如何处理嵌套的 JSON 对象？的详细内容。更多信息请关注PHP中文网其他相关文章！
