将 pandas DataFrame 转换为具有最内层对象层的深度嵌套 JSON

Question

假设我有一个 DataFrame df，例如：

source      tables      columns   data_type   length
src1        table1      col1      INT         4
src1        table1      col2      CHAR        2
src1        table2      col1      CHAR        2
src2        table1      col1      INT         4
src2        table1      col2      DATE        3

注意：DataFrame 还有另外 4 列与问题无关

需要一个类似于以下内容的输出：

{
  "src1": {
    "table1": {
      "col1": {
        "type": "INT"
        "length": 4
      },
      "col2": {
        "type": "CHAR"
        "length": 2
      }
    },
    "table2": {
      "col1": {
        "type": "CHAR"
        "length": 2
      }
    }
  },
  "src2": {
    "table1": {
      "col1": {
        "type": "INT"
        "length": 4
      },
      "col2": {
        "type": "DATE"
        "length": 3
      }
    }
  }
}

我目前拥有的代码产生与上面相同的输出，但不包括实际数据类型值（即，我得到的是"type": ""，而不是"type": ""），因为我不确定我是怎么做到的d 能够相应地嵌套值。代码如下：

def make_nested(df): 
        f = lambda: defaultdict(f)   
        data = f()  

        for row in df.to_numpy().tolist():
            t = data
            for r in row[:-6]:
                t = t[r]
            t[row[-6]] = {
                "type": '',
                "length": ''
            }

        return data

我的问题是如何在不牺牲确切格式的情况下正确地将 data_type 和 length 列值附加到每个 columns JSON 对象中？谢谢。

Answer 1

def make_nested(df): 
    f = lambda: defaultdict(f)   
    data = f()  

    for row in df.to_numpy().tolist():
        t = data
        for r in row[:-3]:
            t = t[r]
        t[row[-3]] = {
            "type": row[-2],
            "length": row[-1]
        }

    return data

最后两列的值进入第三层，这就是你应该做的。