我有一个熊猫DataFrame，其中包含一列，其中包含多个JSON数据项作为字典列表。我想规范化JSON列并复制非JSON列：
# creating dataframe df_actions = pd.DataFrame(columns=['id', 'actions']) rows = [[12,json.loads('[{"type": "a","value": "17"},{"type": "b","value": "19"}]')], [15, json.loads('[{"type": "a","value": "1"},{"type": "b","value": "3"},{"type": "c","value": "5"}]')]] df_actions.loc[0] = rows[0] df_actions.loc[1] = rows[1] >>>df_actions id actions 0 12 [{'type': 'a', 'value': '17'}, {'type': 'b', '... 1 15 [{'type': 'a', 'value': '1'}, {'type': 'b', 'v...
我想要
>>>df_actions_parsed id type value 12 a 17 12 b 19 15 a 1 15 b 3 15 c 5
我可以使用以下方式标准化JSON数据：
pd.concat([pd.DataFrame(json_normalize(x)) for x in df_actions['actions']],ignore_index=True)
但我不知道如何将其连接回原始DataFrame的id列。
您可以将concatwith dict comprehension与with 一起使用，pop用于提取列，删除第二层并join恢复原始：
concat
dict comprehension
pop
join
df1 = (pd.concat({i: pd.DataFrame(x) for i, x in df_actions.pop('actions').items()}) .reset_index(level=1, drop=True) .join(df_actions) .reset_index(drop=True))
等同于：
df1 = (pd.concat({i: json_normalize(x) for i, x in df_actions.pop('actions').items()}) .reset_index(level=1, drop=True) .join(df_actions) .reset_index(drop=True))
print (df1) type value id 0 a 17 12 1 b 19 12 2 a 1 15 3 b 3 15 4 c 5 15
