将嵌套的 JSON 读入 Pandas DataFrame
Posted
技术标签:
【中文标题】将嵌套的 JSON 读入 Pandas DataFrame【英文标题】：Read nested JSON into Pandas DataFrame 【发布时间】：2022-01-07 16:11:42 【问题描述】：背景信息 -我有来自 API 调用的 JSON 响应，我试图将其保存在 pandas DataFrame 中，同时保持与我在系统中查看时相同的结构我已经调用了数据。
调用 JSON Response 的函数 -def api_call(): 调用 API（注意： url_list 目前只包含 1x url）并将响应保存在api_response 变量，使用 json.loads(response.text)
def api_call():
url_list = url_constructor()
for url in url_list:
response = requests.get(url_list[0], auth = HTTPBasicAuth(key, secret), headers="Firm":"583")
api_response = json.loads(response.text)
return api_response
将响应保存到文件并返回的功能：
def response_writer(): 将api_response 保存为 JSON 文件。它还返回api_response。
def response_writer():
api_response = api_call()
timestr = datetime.datetime.now().strftime("%Y-%m-%d-%H:%M")
filename = 'api_response_'+timestr+'.json'
with open(filename, 'w') as output_data:
json.dump(api_response, output_data)
print("-------------------------------------------------------\n",
"API RESPONSE SAVED:", filename, "\n-------------------------------------------------------")
return api_response
JSON 响应 -
"meta":
"columns": [
"key": "node_id",
"display_name": "Entity ID",
"output_type": "Word"
,
"key": "bottom_level_holding_account_number",
"display_name": "Holding Account Number",
"output_type": "Word"
,
"key": "value",
"display_name": "Adjusted Value (USD)",
"output_type": "Number",
"currency": "USD"
,
"key": "node_ownership",
"display_name": "% Ownership",
"output_type": "Percent"
,
"key": "model_type",
"display_name": "Model Type",
"output_type": "Word"
,
"key": "valuation",
"display_name": "Valuation (USD)",
"output_type": "Number",
"currency": "USD"
,
"key": "_custom_jb_custodian_305769",
"display_name": "JB Custodian",
"output_type": "Word"
,
"key": "top_level_owner",
"display_name": "Top Level Owner",
"output_type": "Word"
,
"key": "top_level_legal_entity",
"display_name": "Top Level Legal Entity",
"output_type": "Word"
,
"key": "direct_owner",
"display_name": "Direct Owner",
"output_type": "Word"
,
"key": "online_status",
"display_name": "Online Status",
"output_type": "Word"
,
"key": "financial_service",
"display_name": "Financial Service",
"output_type": "Word"
,
"key": "_custom_placeholder_461415",
"display_name": "Placeholder or Fee Basis",
"output_type": "Boolean"
,
"key": "_custom_close_date_411160",
"display_name": "Account Close Date",
"output_type": "Date"
,
"key": "_custom_ownership_audit_note_425843",
"display_name": "Ownership Audit Note",
"output_type": "Word"
],
"groupings": [
"key": "holding_account",
"display_name": "Holding Account"
]
,
"data":
"type": "portfolio_views",
"attributes":
"total":
"name": "Total",
"columns":
"direct_owner": null,
"node_ownership": null,
"online_status": null,
"_custom_ownership_audit_note_425843": null,
"model_type": null,
"_custom_placeholder_461415": null,
"top_level_owner": null,
"_custom_close_date_411160": null,
"valuation": null,
"bottom_level_holding_account_number": null,
"_custom_jb_custodian_305769": null,
"financial_service": null,
"top_level_legal_entity": null,
"value": null,
"node_id": null
,
"children": [
"entity_id": 4754837,
"name": "Apple Holdings Adv (748374923)",
"grouping": "holding_account",
"columns":
"direct_owner": "Apple Holdings LLC",
"node_ownership": 1,
"online_status": "Online",
"_custom_ownership_audit_note_425843": null,
"model_type": "Holding Account",
"_custom_placeholder_461415": false,
"top_level_owner": "Forsyth Family",
"_custom_close_date_411160": null,
"valuation": 10423695.609450001,
"bottom_level_holding_account_number": "748374923",
"_custom_jb_custodian_305769": "Laverockbank",
"financial_service": "laverockbankcustodianservice",
"top_level_legal_entity": "Apple Holdings LLC",
"value": 10423695.609450001,
"node_id": "4754837"
,
]
,
"included": []
Pandas DataFrame 中 JSON 的预期结构 -这是我试图在我的 pandas DataFrame 中传达的结构 -
| Holding Account | Entity ID | Holding Account Number | Adjusted Value (USD) | % Ownership | Model Type | Valuation (USD) | JB Custodian | Top Level Owner | Top Level Legal Entity | Direct Owner | Online Status | Financial Service | Placeholder or Fee Basis | Account Close Date | Ownership Audit Note |
|---------------------------------|-----------|------------------------|----------------------|-------------|-----------------|-----------------|--------------|-----------------|---------------------------------|---------------------------------|---------------|---------------------|--------------------------|--------------------|----------------------|
| Apple Holdings Adv (748374923) | 4754837 | 748374923 | $10,423,695.06 | 100.00% | Holding Account | $10,423,695.06 | BRF | Forsyth Family | Apple Holdings Partners LLC | Apple Holdings Partners LLC | Online | custodianservice | No | - | - |
我对 JSON 结构的解释 -看来我需要专注于 'columns:（具有列标题）和 'children'（代表数据行，在我的情况下，只有'data': 的 1x 行）。我可以忽略'groupings': ['key': 'holding_account', 'display_name': 'Holding Account'],，因为这最终是系统中数据的排序方式。
有人对我如何获取 JSON 并加载到具有演示结构的 DataFrame 有建议吗？
我的解释是我需要将display_names [columns] 设置为标题，然后在每个相应的display_names / 标题下映射相应的children 值。 注意： 通常情况下，children 会更多（代表我的 DataFrame 的每一行数据），但是我已经删除了除了 1x 之外的所有内容，以便于解释。
【问题讨论】：
查看 Glom (pypi.org/project/glom)，它可以帮助您将数据格式化为所需的格式，然后使用 Pandas 从中创建数据框。 【参考方案1】：我建议使用pd.json_normalize() (https://pandas.pydata.org/pandas-docs/version/1.2.0/reference/api/pandas.json_normalize.html)，它有助于将 JSON 数据转换为 pandas DataFrame。
注意 1： 下面我假设数据在名为 data 的 python 字典中可用。出于测试目的，我使用了
import json
json_data = '''
"meta":
# ....
,
#...
"included": []
'''
data = json.loads(json_data)
json_data 是您的 JSON 响应。由于json.loads() 不接受最后的逗号，所以我在 children 对象后省略了逗号。
pd.json_normalize() 提供不同的选项。一种可能性是简单地读取所有“子”数据，然后删除不需要的列。此外，在规范化某些列之后，会有一个前缀“列”。需要删除。
import pandas as pd
df = pd.json_normalize(data['data']['attributes']['total']['children'])
df.drop(columns=['grouping', 'entity_id'], inplace=True)
df.columns = df.columns.str.replace(r'columns.', '')
最后，需要将列名替换为“列”数据中的列名：
column_name_mapper = column['key']: column['display_name'] for column in data['meta']['columns']
df.rename(columns=column_name_mapper, inplace=True)
注意 2： 与您描述的预期结构略有不同。最值得注意的是，数据框标题中的“名称”一词（行值为“Apple Holdings Adv (748374923)”）未更改为“Holding Account”，因为在列列表中未找到这两个术语。描述的 JSON 响应和预期结构之间的一些其他值只是不同。
【讨论】：
感谢您的贡献。我创建了一个返回 api 响应并存储在“api_response”中的函数，然后尝试了“data = json.loads(api_response)”。但是，我收到“TypeError：JSON 对象必须是 str、bytes 或 bytearray，而不是 dict”消息。任何想法为什么？json.loads() 需要一个 str、bytes 或 bytearray... 所以我实际上将 JSON 响应作为字符串传递给函数（使用三引号，因为它跨越多行）。我在答案中澄清了那部分。这适用于测试。不过，在您的特定上下文中，其他一些解决方案可能更合适，具体取决于您如何从 API 调用接收 json。
谢谢罗莎——我怕我看错了。感谢您的精彩解释；我学到了很多！【参考方案2】：
我不确定这是解压字典的最佳方法，但它确实有效： （它用于保持孩子的“元数据”，如 id（重复），并持有帐户全名）
def unpack_dict(item, out):
for k, v in item.items():
if type(v) == dict:
unpack_dict(v, out)
else:
out[k] = v
return out
现在我们需要对每个孩子使用它来获取数据
从您的示例中，您似乎想保留控股帐户（来自孩子），但您不想要 entity_id，因为它在 node_id 中重复？
不确定，所以我将只包含所有列及其“原始”名称
columns = unpack_dict(res["data"]["attributes"]["total"]["children"][0]
children = res["data"]["attributes"]["total"]["children"]
data = []
for i in children:
data.append(list(unpack_dict(i, ).values()))
并从中创建一个数据框：
>>> pd.DataFrame(data=data, columns = columns)
entity_id name ... value node_id
0 4754837 Apple Holdings Adv (748374923) ... 1.042370e+07 4754837
[1 rows x 18 columns]
现在可以将其更改为显示名称而不是这些原始名称。不过，您可能需要删除一些列，正如我上面提到的，id 是重复的，您提到了分组等。
如果您正在处理大量数据（数以千计的条目）并且解析它需要很长时间，可以在插入data 之前删除多余的列，以便以后节省一些时间。
使用dict 重命名列：
df.rename(columns='oldName1': 'newName1', 'oldName2': 'newName2')
【讨论】：
非常感谢您的贡献。您的解释是有道理的，但是您能否提供有关如何将此功能集成到我的代码中的上下文？ API 响应存储在一个名为“api_response”的变量中 注意：我有 inc。在我的问题中调用和存储 API 响应的函数。 @William 对，不要使用res，而是使用您的api_response，它应该可以工作，因为它是dict
感谢您的确认。此外，这应该如何构建，即“def unpack_dict（item，out）：”函数的位置和您提到的继续代码？我只是想了解如何拼凑，所以我可以学习和理解它是如何工作的，当然还有测试！
@William 是的，你可以一个接一个地放置，然后用最后的pd.DataFrame(data=data, columns = columns) 你会得到数据框表以上是关于将嵌套的 JSON 读入 Pandas DataFrame的主要内容，如果未能解决你的问题，请参考以下文章
使用 python/pandas 从特定文件夹中读取几个嵌套的 .json 文件到 excel 中
嵌套字典到 MultiIndex pandas DataFrame（3 级）
用正确的 Dtype 将带有无意义键的 json 读入 pandas data.frame