Question

我有一个深层嵌套的JSON，我正尝试使用json_normalize将其转换为Pandas Dataframe。

我正在使用的generic sample JSON数据看起来像这样（我在文章底部添加了我想做的事情的上下文）：

{
    "per_page": 2,
    "total": 1,
    "data": [{
            "total_time": 0,
            "collection_mode": "default",
            "href": "https://api.surveymonkey.com/v3/responses/5007154325",
            "custom_variables": {
                "custvar_1": "one",
                "custvar_2": "two"
            },
            "custom_value": "custom identifier for the response",
            "edit_url": "https://www.surveymonkey.com/r/",
            "analyze_url": "https://www.surveymonkey.com/analyze/browse/",
            "ip_address": "",
            "pages": [
                {
                    "id": "103332310",
                    "questions": [{
                            "answers": [{
                                    "choice_id": "3057839051"
                                }
                            ],
                            "id": "319352786"
                        }
                    ]
                },
                {
                    "id": "44783164",
                    "questions": [{
                            "id": "153745381",
                            "answers": [{
                                    "text": "some_name"
                                }
                            ]
                        }
                    ]
                },
                {
                    "id": "44783183",
                    "questions": [{
                            "id": "153745436",
                            "answers": [{
                                    "col_id": "1087201352",
                                    "choice_id": "1087201369",
                                    "row_id": "1087201362"
                                }, {
                                    "col_id": "1087201353",
                                    "choice_id": "1087201373",
                                    "row_id": "1087201362"
                                }
                                ]
                            }
                        ]
                }
            ],
            "date_modified": "1970-01-17T19:07:34+00:00",
            "response_status": "completed",
            "id": "5007154325",
            "collector_id": "50253586",
            "recipient_id": "0",
            "date_created": "1970-01-17T19:07:34+00:00",
            "survey_id": "105723396"
        }
    ],
    "page": 1,
    "links": {
        "self": "https://api.surveymonkey.com/v3/surveys/123456/responses/bulk?page=1&per_page=2"
    }
}

我想最后得到一个数据框，其中包含question_id，page_id，response_id和响应数据，如下所示：

    choice_id      col_id      row_id       text   question_id       page_id      response_id
0  3057839051         NaN         NaN        NaN     319352786     103332310       5007154325
1         NaN         NaN         NaN  some_name     153745381      44783164       5007154325
2  1087201369  1087201352  1087201362        NaN     153745436      44783183       5007154325
3  1087201373  1087201353  1087201362        NaN     153745436      44783183       5007154325

我可以通过运行以下代码（Python 3.6）来接近目标：

df = json_normalize(data=so_survey_responses['data'], record_path=['pages', 'questions'], meta='id', record_prefix ='question_')
print(df)

哪个返回：

                                    question_answers question_id          id
0                      [{'choice_id': '3057839051'}]   319352786  5007154325
1                            [{'text': 'some_name'}]   153745381  5007154325
2  [{'col_id': '1087201352', 'choice_id': '108720...   153745436  5007154325

但是，如果我尝试在更深层的嵌套中运行json_normalize并保留上述结果中的'question_id'数据，则我只能获取page_id值返回，而不能返回真正的question_id值：

answers_df = json_normalize(data=so_survey_responses['data'], record_path=['pages', 'questions', 'answers'], meta=['id', ['questions', 'id'], ['pages', 'id']])
print(answers_df)

返回：

    choice_id      col_id      row_id       text          id questions.id   pages.id
0  3057839051         NaN         NaN        NaN  5007154325    103332310  103332310
1         NaN         NaN         NaN  some_name  5007154325     44783164   44783164
2  1087201369  1087201352  1087201362        NaN  5007154325     44783183   44783183
3  1087201373  1087201353  1087201362        NaN  5007154325     44783183   44783183

一个复杂的因素可能是上述所有内容（question_id，page_id，response_id）在JSON数据中都是“ id：”。

我确定这是可能的，但我无法到达那儿。如何执行此操作的任何示例？

其他上下文： 我正在尝试创建SurveyMonkey API response output的数据框。

我的长期目标是重新创建"all responses" excel sheet that their export service provides。

我计划通过设置响应数据框（上面）来实现此目的，然后使用.apply()将响应与其survey structure API output进行匹配。

我发现SurveyMonkey API在提供有用的输出方面相当乏味，但是我是Pandas的新手，所以它可能在我身上。

Answer 1

您需要修改最后一个选项的meta参数，并且，如果要按照您想要的方式重命名列，则可以使用rename：

answers_df = json_normalize(data=so_survey_responses['data'],
                        record_path=['pages', 'questions', 'answers'],
                        meta=['id', ['pages', 'questions', 'id'], ['pages', 'id']])\
.rename(index=str,
        columns={'id': 'response_id', 'pages.questions.id': 'question_id', 'pages.id': 'page_id'})

Answer 2

无法使用json_normalize()以完全通用的方式执行此操作。您可以使用record_path和meta参数来指示如何处理JSON。

但是，您可以使用flatten package来展平深度嵌套的JSON，然后将其转换为Pandas数据框。该页面包含example usage，介绍了如何将深度嵌套的JSON展平并转换为Pandas数据框。

使用pandas和json_normalize展平嵌套的JSON API响应

2 个答案: