将嵌套的 JSON 获取为 pandas 数据框

Posted 2023-03-11

【中文标题】将嵌套的 JSON 获取为 pandas 数据框

【英文标题】：Get nested JSON to be pandas dataframe

【发布时间】：2021-12-09 13:29:37

【问题描述】：

我有这个 JSON，

  "status": "ok",
  "stocks": [
    
      "symbol": "TSLA",
      "price": [
        
          "date": "2021-10-19",
          "close": 141.98
        
      ]
    ,
    
      "symbol": "AMZN",
      "price": [
        
          "date": "2021-10-19",
          "close": 3444.15
        
      ]
    
  ]

我需要根据 price 从第一个数组和第二个数组创建两个 pandas 数据框，而不使用股票名称来识别它。

预期：

第一个数组（基于 TSLA），df1

    date      close
2021-10-19   141.98

第二个数组（基于 AMZN），df2

    date      close
2021-10-19   3444.15

我曾探索过 pandas 的 json_normalize 函数，但它似乎只能展平 JSON 的第一级。我怎样才能展平第二层，只得到我预期的结果？

编辑：

设法让它发挥作用，完全不是我预期的结果。使用这个，

df = pd.json_normalize(data['stocks'], record_path='price', meta=['symbol'])

返回

    date      close    symbol
2021-10-19   141.98    TSLA
2021-10-19   3444.15   AMZN

在执行json_normalize 时，有没有办法让两只股票分开，就像我的预期结果一样？

【问题讨论】：

为什么需要两个数据框？这似乎没有意义。您当然可以使用df1 = df[df'symbol']=='TSLA' 和df2 = df[df['symbol']=='AMZN']。

这行代码将在不知道 JSON 中的符号名称的情况下运行，因此我无法在您建议的内容中硬编码符号名称。这个想法是根据每个数组的第一个数组和第二个数组获取 df，而无需知道名称（如果我有任何意义的话）。

【参考方案1】：

在你的例子中

df = df.set_index('symbol')

然后打电话

df.loc['TSLA']

或者你可以这样做

d = x : y for x ,y in df.groupby(df.index)
d[0]
d[1]