当json_normalize无法迭代列以展平时如何修复它?
Posted
技术标签:
【中文标题】当json_normalize无法迭代列以展平时如何修复它?【英文标题】:How to fix json_normalize when it cannot iterate over column to flatten? 【发布时间】:2018-12-11 17:24:23 【问题描述】:我有一个如下所示的数据框:
ID phone_numbers
1 [u'updated_at': u'2017-12-02 15:29:54', u'created_at': u'2017-12-0
2 15:29:54', u'sms': 0, u'number': u'1112223333', u'consumer_id':
12345, u'organization_id': 1, u'active': 1, u'deleted_at':
None, u'type': u'default', u'id': 1234]
我想获取 phone_numbers 列并将其中的信息展平,这样我就可以查询“id”字段。
当我尝试时;
json_normalize(df.phone_numbers)
我得到错误:
AttributeError: 'str' 对象没有属性 'itervalues'
我不确定为什么会产生此错误以及为什么我无法展平此列。
编辑:
最初是从响应对象(r.text)中读取的 JSON 字符串:
https://docs.google.com/document/d/1Iq4PMcGXWx6O48sWqqYnZjG6UMSZoXfmN1WadQLkWYM/edit?usp=sharing
编辑:
通过此命令将我需要展平的列转换为 JSON
a = df.phone_numbers.to_json()
"0":["updated_at":"2018-04-12 12:24:04","created_at":"2018-04-12 12:24:04","sms":0,"number":"","consumer_id":123,"org_id":123,"active":1,"deleted_at":null,"type":"default","id":123]
【问题讨论】:
一个想法,DataFrame 是从json
创建的吗?也许更好的是使用df = json_normalize(json)
我试过了,因为我通过 API 获得了 json 响应。但我得到与上面相同的错误
好的,可以添加json样本吗?
@jezrael,JSON 响应包含患者信息,我无法发布该信息,即使经过擦洗,我也害怕可能会遗漏一些东西。但是,当将 json 对象传递给 json_normalize 时,我得到的错误是属性错误 ''unicode' object has no attribute 'itervalues'
看起来phone_numbers
列中的每条记录都是长度为 1 的 JSON 字符串列表。而不仅仅是一个 JSON 字符串。检查确切的内容以确保。
【参考方案1】:
使用列表推导进行展平并将新元素 ID
添加到字典中:
df = pd.DataFrame('ID': [1, 2], 'phone_numbers': [['a': '2017', 'b': '2017', 'sms': 1,
'a': '2018', 'b': '2017', 'sms': 2],
['a': '2017', 'b': '2017', 'sms': 3]])
print (df)
ID phone_numbers
0 1 ['a': '2017', 'b': '2017', 'sms': 1, 'a': '...
1 2 ['a': '2017', 'b': '2017', 'sms': 3]
df = pd.DataFrame([dict(y, ID=i) for i, x in df.values.tolist() for y in x])
print (df)
ID a b sms
0 1 2017 2017 1
1 1 2018 2017 2
2 2 2017 2017 3
编辑:
df = pd.DataFrame('phone_numbers':"0":["type":"default","id":123])
df = pd.DataFrame([y for x in df['phone_numbers'].values.tolist() for y in x])
print (df)
id type
0 123 default
【讨论】:
抱歉延迟回复。当我运行您的上述行时,我收到错误“太多值无法解包”。我认为问题可能是 ID 字段嵌入在嵌套的 json 中,而不是作为单独的列。你认为这就是你的代码对我不起作用的原因吗? 在引入 ID 列后,我仍然收到错误 'too many values to unpack' @RustyShackleford - 是否可以更改输入数据?具有匿名数据的最佳样本json
。
确定我会匿名输入数据,给我一些时间彻底清理它
我已将文件上传到驱动器。我将 API 调用中的 JSON 字符串写入 word doc,将所有字段替换为单词“FIELD”。请让我知道这是否有帮助。我也找不到一条记录的结尾和下一条记录的开头,所以它是整个字符串。【参考方案2】:
我不确定,但我认为 json 规范化期望作为第一个参数 json,而不是 pd.series
,首先将系列转换为字典或字典列表。你可以使用to_dict()
json_normalize(df.phone_numbers.to_dict())
【讨论】:
当我尝试这个时,它将整列转换为一行。【参考方案3】:团队:
我想我找到了这个问题的答案。如果你挖;您会看到第一次迭代后 pd.json_normalize 的输出是一个字符串。我成功地诱使 pandas 重新认为这是一个字典列表。
fb_customers = test_schema_a["FBCustomers"].to_list()
fb_customers_b = list(itertools.chain(*fb_customers))
test_schema_b = pd.DataFrame(fb_customers_b)
【讨论】:
【参考方案4】:对我来说最简单的解决方案是首先使用内置 json 包加载文件,然后将该对象与 normalize 一起使用:
从字符串中读取:
import json
json_str = ' "name":"John", "age":30, "city":"New York"'
data = json.loads(json_str)
df = json_normalize(data)
print(df)
并从文件中读取:
import json
with open(filepath, 'r') as file:
data = json.load(file)
df = json_normalize(data)
print(df)
【讨论】:
【参考方案5】:简单的一个衬垫来展平熊猫中的 json 列/系列。
import json
import pandas as pd
df_flattened_col = pd.json_normalize(df['JSON_COLUMN'].apply(json.loads).tolist())
⭐为我工作⭐
【讨论】:
以上是关于当json_normalize无法迭代列以展平时如何修复它?的主要内容,如果未能解决你的问题,请参考以下文章
指定元路径的 1.0.0 中的 python pandas json_normalize - 期望可迭代
Pandas json_normalize 无法在 Python 中使用大型 JSON 文件
pandas json_normalize KeyError