2

我有一个给你。

所以我试图解压缩我从 api 获得的一些专有数据。

对于一个可重复的示例，一旦我解压缩 json 数据，我会得到一个看起来像这样的字典

temp = ([{"date" : "12/15/2020","order_id" : 1, "order_items" : [{"name" : "sponge", "quantity" : 2},{"name" : "soap", "quantity" : 17}]},
 {"date" : "12/14/2020","order_id" : 2, "order_items" : [{"name" : "soap", "quantity" : 4}]}]
)

然后我使用此代码制作数据框

df = pd.json_normalize(temp)

现在这给了我一个看起来像这样的数据框。

what_i_have = pd.DataFrame({
"date" : ["12/15/2020","12/14/2020"],
"order_id" : [1,2],
"order_items" : [[{'name' : 'sponge', 'quantity' : 2},{'name' : 'soap', 'quantity' : 17}],[{'name' : 'sponge', 'quantity' : 4}]]
})

现在，我发现问题在于，当我使用 json_normalize 时，它​​没有下降到足够的水平。如果我做类似的事情

pd.json_normalize(df['order_items'][0])

它返回给我一个 2 行 2 列的数据框。如果我做

df['order_items'] = df['order_items'].apply(lambda x: pd.json_normalize(x))

我得到一个在 order_items 列中有数据框对象的数据框，我不太清楚如何使用。

我想要做的是解压缩我在较低级别制作的表格，并使我的数据框更长。我希望它看起来像这样

what_i_want = pd.DataFrame({
"date" : ["12/15/2020","12/15/2020","12/14/2020"],
"order_id" : [1,1,2],
"order_items.name" : ["sponge","soap","soap"],
"order_items.quantity" : [2,17,4]
})

关于如何做到这一点的任何建议？

附言。我认为 json_normalize 没有下降到足够水平的原因是因为 order_items 的长度不同。

4

1 回答 1

1 
import pandas as pd

# sample data
temp = [{'date': '12/15/2020', 'order_id': 1, 'order_items': [{'name': 'sponge', 'quantity': 2}, {'name': 'soap', 'quantity': 17}]}, {'date': '12/14/2020', 'order_id': 2, 'order_items': [{'name': 'soap', 'quantity': 4}]}]

# unpack temp using the other parameters
df = pd.json_normalize(data=temp, record_path=['order_items'], meta=['date', 'order_id'])

# display(df)
     name  quantity        date order_id
0  sponge         2  12/15/2020        1
1    soap        17  12/15/2020        1
2    soap         4  12/14/2020        2
于 2020-12-15T23:58:26.580 回答