-3

我有一个高度嵌套的 JSON 文件，我将其规范化为 Pandas 数据框。结果是所有的键都变成了列，而值变成了行。问题是我有一些列仍然包含字典并且没有正确规范化。数据框有超过 8000 行和 3000 列，因此无法手动完成。

这是 JSON 文件：https ://justpaste.it/9nfke

例如：

我有以下列命名：

Return.ReturnData.IRS990PF.AnalysisIncomeProducingActyGrp.OtherRevenueDescribedGrp

其中包含字典，如下所示：

[{'Desc': 'MISCELLANEOUS', 'ExclusionCd': '01', 'ExclusionAmt': '13'}, {'Desc': 'GRANT REFUNDS', 'RelatedOrExemptFunctionIncmAmt': '159502'}]

如您所见，有一个Desc ExclusionCd ExclusionAmt等。

我已经在我的数据框中填充了以这些命名的列：

Return.ReturnData.IRS990PF.AnalysisIncomeProducingActyGrp.OtherRevenueDescribedGrp.BusinessCd Return.ReturnData.IRS990PF.AnalysisIncomeProducingActyGrp.OtherRevenueDescribedGrp.Desc Return.ReturnData.IRS990PF.AnalysisIncomeProducingActyGrp.OtherRevenueDescribedGrp.ExclusionAmt Return.ReturnData.IRS990PF.AnalysisIncomeProducingActyGrp.OtherRevenueDescribedGrp.ExclusionCd Return.ReturnData.IRS990PF.AnalysisIncomeProducingActyGrp.OtherRevenueDescribedGrp.RelatedOrExemptFunctionIncmAmt Return.ReturnData.IRS990PF.AnalysisIncomeProducingActyGrp.OtherRevenueDescribedGrp.UnrelatedBusinessTaxblIncmAmt

如何将这些值移动到各自的列中？请记住，我可能有数百个这样的，我不能手工完成。它需要自动化。谢谢！

4

1 回答 1

1
  • 发布的数据显示了一条记录，不清楚该文件是否包含这些记录的列表。
  • 使用 pandas，用于解析 .json 中的 JSON 记录列表的最佳方法pd.json_normalize。
    • 该示例很长，无法在答案中发布，但请注意，当您在本地运行它时，所有键都被解析出来，并且连续没有dicts 作为值。
  • 此键Return.ReturnData.IRS990PF在 PasteBin 数据示例中不可用。
    • 键中IRS990，只有IRS990和IRS990Schedule...可用。
  • 另一种解压作为字典列表的值的方法是使用meta参数json_normalize
    • 请参阅此答案以获取一个很好的示例
import pandas as pd
import json
from pathlib import Path

# path to file
p = Path('c:\some_path\test.json')

# read in the JSON file
with p.open('r', encoding='utf-8') as f:
    data = json.loads(f.read())

# parse with pandas
df = pd.json_normalize(data)

# if there's a list of dictionaries in the resulting dataframe, they can be unpacked with something like
df['Return.ReturnData.IRS990ScheduleO.SupplementalInformationDetail'].apply(pd.json_normalize)
于 2020-08-16T17:24:47.507 回答