Question

我正在尝试使用Pandas解析JSON blob而不解析嵌套的JSON结构。这是我的意思的一个例子。

import json
import pandas as pd

x = json.loads('{"test":"something", "yes":{"nest":10}}')
df = pd.DataFrame(x)

当我df.head()时，我得到以下内容：

        test         yes
nest    something    10

我真正想要的是......

        test         yes
1       something    {"nest": 10}

关于如何用熊猫做这个的任何想法？我有解决方法的想法，但我正在解析GB的JSON文件，并且不希望依赖慢速for循环来转换和准备Pandas的信息。在仍然利用熊猫的速度的同时有效地做到这一点会很棒。

注意：对此问题进行了修正以及有关我对json对象的引用的错误。

Answer 1

我正在尝试使用Pandas解析JSON blob

不，你不是。你只是用普通的旧Python DataFrame构建一个dict。 dict可能已经在代码中的其他位置从JSON解析，或者它可能从来就不是JSON。没关系;无论哪种方式，你都没有使用Pandas的JSON解析。实际上，如果您尝试直接从JSON字符串构造DataFrame，那么您将获得PandasError。

如果你做使用Pandas解析，你可以使用它的选项，如pandas.read_json中所述。例如：

>>> j = '{"test": "something", "yes": {"nest": 10}}'
>>> pd.read_json(j, typ='series')
test        something
yes     {u'nest': 10}
dtype: object

（当然这显然是Series，而不是DataFrame。但我不确定你想要DataFrame到底是什么......）

但是如果你已经在其他地方解析了JSON，你显然不能在其上使用Pandas的数据解析。

此外：

...并且不希望依赖缓慢的for循环来转换和准备Pandas的信息......

然后使用，例如，dict理解，生成器表达式，itertools函数，或其他可以在C中而不是在Python中进行循环的东西。

但是，我怀疑循环JSON字符串的速度实际上是一个真正的性能问题，与解析JSON，构建Pandas结构等的成本相比较。通过分析来确定实际花费时间的是什么，然后优化它，而不是仅仅挑选代码的一些随机部分，并希望它有所作为。

Pandas可以在不解析子JSON结构的情况下读取嵌套的JSON blob吗？

1 个答案: