本文介绍了如何使用 Python 和 Pandas 库将 JSON 数据转换为 DataFrame。通过解析 JSON 字符串并利用 pd.DataFrame 函数，可以将 JSON 数据中的数据部分和列名部分结合起来，快速构建一个结构化的 DataFrame，方便后续的数据分析和处理。文章提供了详细的代码示例，帮助读者理解并应用该方法。

使用 Pandas 将 JSON 数据加载到 DataFrame

在数据处理过程中，经常需要将 json 格式的数据转换为更易于分析和操作的 dataframe 结构。pandas 提供了便捷的方法来实现这一转换。

步骤 1：导入必要的库

首先，需要导入 pandas 库来创建和操作 DataFrame，以及 json 库来解析 JSON 字符串。

import pandas as pd
import json

步骤 2：加载 JSON 数据

假设你有一个 JSON 字符串，例如：

jstr = """
{
    "data": [
        [
            "2023-01-01",
            50,
            50,
            82,
            0.0,
            4.32,
            0.1,
            0
        ],
        [
            "2023-01-02",
            298,
            315,
            550,
            0.0,
            4.920634920634921,
            0.13758389261744966,
            0
        ],
        [
            "2023-01-03",
            709,
            724,
            1051,
            0.0,
            3.064917127071823,
            0.0930888575458392,
            0
        ],
        [
            "2023-01-04",
            264,
            292,
            660,
            0.0,
            6.493150684931507,
            0.2803030303030303,
            0
        ],
        [
            "2023-01-05",
            503,
            523,
            882,
            0.0,
            3.7667304015296366,
            0.14314115308151093,
            0
        ],
        [
            "2023-01-06",
            423,
            437,
            735,
            0.0,
            3.5652173913043477,
            0.12056737588652482,
            0
        ],
        [
            "2023-01-07",
            97,
            102,
            146,
            0.0,
            3.5294117647058822,
            0.13402061855670103,
            0
        ],
        [
            "2023-01-08",
            70,
            71,
            169,
            0.0,
            6.52112676056338,
            0.1,
            0
        ],
        [
            "2023-01-09",
            301,
            337,
            721,
            0.0,
            5.9614243323442135,
            0.26578073089701,
            0
        ],
        [
            "2023-01-10",
            313,
            352,
            678,
            0.0,
            5.8522727272727275,
            0.2364217252396166,
            0
        ]
    ],
    "meta": {
        "columns": [
            "timestamp__to_date",
            "visitors",
            "sessions",
            "page_views",
            "goal_conversion_rate",
            "events_per_session",
            "returning_visitors_rate",
            "goal_conversions"
        ],
        "count": 181
    }
}
"""

使用 json.loads() 函数将 JSON 字符串解析为 Python 字典。

data = json.loads(jstr)

步骤 3：创建 DataFrame

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限

下载

利用 Pandas 的 pd.DataFrame() 函数，将解析后的 JSON 数据转换为 DataFrame。data['data'] 包含了数据，而 data['meta']['columns'] 包含了列名。

df = pd.DataFrame(data['data'], columns=data['meta']['columns'])

步骤 4：查看结果

打印 DataFrame，查看转换结果。

print(df)

输出结果如下：

  timestamp__to_date  visitors  sessions  page_views  goal_conversion_rate  events_per_session  returning_visitors_rate  goal_conversions
0         2023-01-01        50        50          82                   0.0            4.320000                 0.100000                 0
1         2023-01-02       298       315         550                   0.0            4.920635                 0.137584                 0
2         2023-01-03       709       724        1051                   0.0            3.064917                 0.093089                 0
3         2023-01-04       264       292         660                   0.0            6.493151                 0.280303                 0
4         2023-01-05       503       523         882                   0.0            3.766730                 0.143141                 0
5         2023-01-06       423       437         735                   0.0            3.565217                 0.120567                 0
6         2023-01-07        97       102         146                   0.0            3.529412                 0.134021                 0
7         2023-01-08        70        71         169                   0.0            6.521127                 0.100000                 0
8         2023-01-09       301       337         721                   0.0            5.961424                 0.265781                 0
9         2023-01-10       313       352         678                   0.0            5.852273                 0.236422                 0

注意事项

• 确保 JSON 数据的格式正确，data 字段包含数据列表，meta.columns 字段包含列名列表。
• 如果 JSON 数据来自文件，可以使用 json.load() 函数读取文件内容。
• 可以根据实际需求对 DataFrame 进行进一步处理，例如数据清洗、转换等。

总结

使用 Pandas 将 JSON 数据加载到 DataFrame 是一种高效且常用的数据处理方法。通过简单的几行代码，就可以将复杂的 JSON 数据转换为结构化的 DataFrame，方便后续的数据分析和挖掘。