Pandas：将 JSON 转换为 Pandas 数据框答案

【问题标题】：Pandas: Convert JSON to Pandas DataframePandas：将 JSON 转换为 Pandas 数据框
【发布时间】：2019-05-14 05:24:36
【问题描述】：

专家，

我在将 Json 解析为 Pandas 并将其保存为 CSV 格式时遇到问题。

data2 = {"date":"2018-01-02","data":{"AAPL":{"open":"170.16","close":"172.26","high":"172.30","low":"169.26","volume":"25555934"},"MSFT":{"open":"86.13","close":"85.95","high":"86.31","low":"85.50","volume":"22483797"}}}

如果我尝试：

df = pd.DataFrame.from_dict(json_normalize(data2), orient='columns')
print(df)

所有内容都打印在一行中：

如果我这样做：

jdata = json.loads(data2)
df = pd.DataFrame(jdata)
print(df.T)

我收到一个错误：TypeError：JSON 对象必须是 str、bytes 或 bytearray，而不是 'dict'

我希望以下表格式打印它，以便我可以将其保存为 csv：

Date        Data    Open    Close   High    Low     Volume
2018-01-02  AAPL    170.16  172.26  172.30  169.26  25555934
2018-01-02  MSFT    86.13   85.95   86.31   85.50   22483797

实现我的目标的正确方法是什么？

谢谢！！

【问题讨论】：

标签： json python-3.x pandas dataframe

【解决方案1】：

你可以使用apply将dict键变成pandasSeries

df = pd.DataFrame.from_dict(data2)
df = pd.concat([df['date'],df['data'].apply(pd.Series)], axis=1)
print(df)

            date    open   close    high     low    volume
AAPL  2018-01-02  170.16  172.26  172.30  169.26  25555934
MSFT  2018-01-02   86.13   85.95   86.31   85.50  22483797

【讨论】：

这个效率很低
@W-B，让我挑选你的大脑，与你提出的方法有什么区别？有什么缺点？
@EricArambula 速度，apply 是时间成本函数，因为你有股票数据，当 size 增加时，你会发现 apply + pd.Serise 慢
这些数据来自哪里参考：df['data']？

【解决方案2】：

我将使用您的原始输出并对其进行修改

s=pd.DataFrame(data2)
pd.concat([s.drop('data',1),pd.DataFrame(s.data.tolist(),index=s.index)],1)
            date   close    high     low    open    volume
AAPL  2018-01-02  172.26  172.30  169.26  170.16  25555934
MSFT  2018-01-02   85.95   86.31   85.50   86.13  22483797

【讨论】：