正确解析JSON需据结构选方法：纯列表或单层字典可直用pd.DataFrame()；嵌套结构必用pd.json_normalize()并设record_path/meta；文件读取优先pd.read_json()，注意orient和lines参数；dtype与时间解析须转换时指定。
json.loads() 之后直接 pd.DataFrame() 不总行得通
很多同学一上来就 json.loads() 得到 Python 字典或列表，再扔给 pd.DataFrame()，结果报错 ValueError: If using all scalar values, you must pass an index 或者生成的 DataFrame 形状完全不对——这是因为 JSON 数据结构嵌套层级、键不统一、存在空值或混合类型时，pandas 并不会自动“猜”你想要哪一层做行、哪一层做列。
真正能用 pd.DataFrame() 直接构造的，只有两种典型结构：纯列表（每个元素是同构字典），或单层键值对字典（value 是等长列表）。其余情况必须先扁平化或提取目标字段。
- 如果 JSON 是
{"data": [{"id": 1, "name": "a"}, {"id": 2, "name": "b"}]}，别直接传整个 dict，要取data键：pd.DataFrame(json_obj["data"]) - 如果 JSON 含多层嵌套（比如
"user": {"profile": {"age": 25}}），pd.json_normalize()才是正解，不是pd.DataFrame() - 遇到
null（Python 中为None），pandas 默认转成NaN，但若某列全为None，可能被推断为object类型而非float64，后续数值计算会出问题
pd.json_normalize() 是处理嵌套 JSON 的默认选择
只要 JSON 里有嵌套对象、数组、或字段缺失不一致，pd.json_normalize() 就该出场。它本质是把嵌套结构按路径展开成扁平列名（如 user.profile.age），比手动递归提取快且健壮。
常见误用是只传 data 参数，忽略 record_path 和 meta——这会导致顶层字段丢失或重复行。
立即学习“Python免费学习笔记（深入）”；
图片提示词生成器？不止如此。 马甲系统 —— 把脑海中的画面，翻译成AI能理解的专业表达。 用得越多，它越懂你：首次需要多问几句确认方向，用久了几乎一说就懂。 用得越多，它越快：缓存机制让后续对话越来越省。 RAG进化：成功案例持续入库，越跑越聪明。 输入「新手指南」查看完整功能介绍
- 当 JSON 是
{"items": [...], "total": 100, "page": 1}，想以items为记录、同时带入total和page作为每行元信息：用pd.json_normalize(data, record_path="items", meta=["total", "page"]) - 如果嵌套数组在多层下（如
"orders": [{"items": [{"name": "x"}, {"name": "y"}]}]），record_path可传列表：["orders", "items"] -
errors="ignore"能跳过解析失败的字段，但会静默丢数据；生产环境建议用errors="raise"配合 try/except 显式处理
读取文件时别绕路：pd.read_json() 比 json.load() + DataFrame 更稳
如果你的 JSON 存在文件里（.json），直接用 pd.read_json()，而不是先 json.load() 再转 DataFrame。前者内置了类型推断、日期解析（convert_dates=True）、分块读取（chunksize）等能力，后者容易在大文件上 OOM 或丢失 dtype 信息。
关键差异在 orient 参数——它决定 JSON 文本格式与 DataFrame 行列的映射关系，错配就会出错：
-
orient="records"：对应[{"a": 1, "b": 2}, {"a": 3, "b": 4}]→ 每个 dict 是一行 -
orient="index"：对应{"row1": {"a": 1}, "row2": {"a": 2}}→ key 做 index -
orient="columns"（默认）：对应{"a": [1, 2], "b": [3, 4]}→ key 做列名，value 做列数据 - 如果文件是 JSON Lines（每行一个 JSON 对象），必须加
lines=True，否则报JSONDecodeError
dtype 和 date parsing 要在转换时定死，别等后面改
pandas 自动推断类型常踩坑：数字 ID 被当 int64，但含空值就变 float64；时间字段没指定解析，就存成字符串。这些一旦进 DataFrame，后续 astype() 可能报错或静默失败。
正确做法是在 pd.read_json() 或 pd.json_normalize() 里用参数锁定：
- 强制某列为字符串：
dtype={"user_id": "string"}（pandas 1.3+ 推荐，避免object类型歧义） - 解析时间字段：
convert_dates=["created_at", "updated_at"]，或更精确地用date_parser配合datetime.strptime - 对超大整数（如 Twitter ID），用
dtype={"id": "string"}保精度，别依赖int64（会溢出） - 如果 JSON 里时间是毫秒时间戳（如
1712345678901），convert_dates不生效，得用dtype={"ts": "datetime64[ms]"}
嵌套深、字段动态、或含大量 null 的 JSON，pd.json_normalize() 的 max_level 和 sep 参数会影响列名可读性，这些细节不调好，后续列名处理反而更费劲。
