1

我正在尝试使用具有以下结构的 api 并将其加载到 pandas DF 中，每个项目 ID 有一行，例如 2、6 和每个条目的高、高、低和低列。

{
"data": {
    "2": {
        "high": 142,
        "highTime": 1617214328,
        "low": 140,
        "lowTime": 1617214323
    },
    "6": {
        "high": 182198,
        "highTime": 1617214063,
        "low": 182198,
        "lowTime": 1617214137

到目前为止，我一直在 json_normalise 上使用 json_normalise 响应，它为每个条目加载一行，其中包含多个嵌套列：

data.2.high | data.2.highTime | data.2.low | data.2.lowTime etc

结果，我尝试为“数据”添加record_path，认为这可以解决它是嵌套列表的事实，但这样做会抛出

 raise TypeError(
257                     f"{js} has non list value {result} for path {spec}. "
258                     "Must be list or null."

我认为那是因为我的 res['data'] 类型是一个字典，而不是它本身的列表，但我有点困惑如何解决这个问题，或者这是否正确。

任何帮助将不胜感激

4

1 回答 1

1

TL;博士

只需使用

df = pd.DataFrame.from_records(json_data['data']).T.reset_index()

解释

在您的场景中， pandasfrom_records比json_normalise. 之所以会出现这种情况，是因为您的响应是以 id 是键而不是值的方式构建的。

例如，对于这个响应示例，其中有一个键id及其对应的值

json_data={
"data": [{
        "id":2,
        "high": 142,
        "highTime": 1617214328,
        "low": 140,
        "lowTime": 1617214323
    },{
        "id":6,
        "high": 182198,
        "highTime": 1617214063,
        "low": 182198,
        "lowTime": 1617214137
    }]}

可以正常工作json_normalize，如下所示。

pd.json_normalize(json_data['data'])

id  high    highTime    low     lowTime
2   142     1617214328  140     1617214323
6   182198  1617214063  182198  1617214137

但是，您的 JSON 响应包含 id 作为键，

json_data={
"data": {
    "2": {
        "high": 142,
        "highTime": 1617214328,
        "low": 140,
        "lowTime": 1617214323
    },
    "6": {
        "high": 182198,
        "highTime": 1617214063,
        "low": 182198,
        "lowTime": 1617214137
    }}}

所以from_records效果更好。

df = pd.DataFrame.from_records(json_data['data']).T.reset_index()

index   high    highTime    low     lowTime
2       142     1617214328  140     1617214323
6       182198  1617214063  182198  1617214137

json_data此外，由于您可能传递了完整的 json 响应，而不是通过 data key 进行选择，因此事情没有奏效json_data['data']。

于 2021-04-01T10:38:24.733 回答