处理嵌套 JSON

使用 pandas 高效导入数据

Amany Mahfouz

Instructor

嵌套 JSON

JSON 包含由属性-值对组成的对象
当值本身是对象时，JSON 为嵌套结构

Yelp 商家 API 文档中的示例 JSON 响应

示例 Yelp 响应数据，突出显示嵌套的坐标和位置数据

示例 Yelp 响应数据，突出显示嵌套的分类数据

示例 Yelp 响应数据，突出显示 businesses 下的嵌套记录

# 打印包含嵌套数据的列
print(bookstores[["categories", "coordinates", "location"]].head(3))

                                          categories  \
0   [{'alias': 'bookstores', 'title': 'Bookstores'}]   
1  [{'alias': 'bookstores', 'title': 'Bookstores'...   
2   [{'alias': 'bookstores', 'title': 'Bookstores'}]     

                                         coordinates  \
0  {'latitude': 37.7975997924805, 'longitude': -1...   
1  {'latitude': 37.7885846793652, 'longitude': -1...   
2  {'latitude': 37.7589836120605, 'longitude': -1...    

                                            location  
0  {'address1': '261 Columbus Ave', 'address2': '...  
1  {'address1': '50 2nd St', 'address2': '', 'add...  
2  {'address1': '866 Valencia St', 'address2': ''...

pandas.io.json

pandas.io.json 子模块提供读取/写入 JSON 的工具
- 需要单独的 import 语句
json_normalize()
- 接收字典/字典列表（类似 pd.DataFrame()）
- 返回扁平化的 dataframe
- 默认扁平列名模式：attribute.nestedattribute
- 用 sep 参数更改分隔符

加载嵌套 JSON 数据

import pandas as pd
import requests

from pandas.io.json import json_normalize



# 设置请求头、参数和 API 端点
api_url = "https://api.yelp.com/v3/businesses/search"
headers = {"Authorization": "Bearer {}".format(api_key)}
params = {"term": "bookstore", 
          "location": "San Francisco"}


# 调用 API 并提取 JSON 数据
response = requests.get(api_url, 
                        headers=headers,
                        params=params)
data = response.json()

# 扁平化并加载到 dataframe，使用下划线分隔
bookstores = json_normalize(data["businesses"], sep="_")
print(list(bookstores))

['alias', 
 'categories',
 'coordinates_latitude',
 'coordinates_longitude',
 ...
 'location_address1',
 'location_address2',
 'location_address3',
 'location_city',
 'location_country',
 'location_display_address',
 'location_state',
 'location_zip_code',
 ...
 'url']

深层嵌套数据

print(bookstores.categories.head())

0     [{'alias': 'bookstores', 'title': 'Bookstores'}]
1    [{'alias': 'bookstores', 'title': 'Bookstores'...
2     [{'alias': 'bookstores', 'title': 'Bookstores'}]
3     [{'alias': 'bookstores', 'title': 'Bookstores'}]
4    [{'alias': 'bookstores', 'title': 'Bookstores'...
Name: categories, dtype: object

深层嵌套数据

json_normalize()
- record_path：到嵌套数据的属性路径（字符串/字符串列表）
- meta：要一并加载到 dataframe 的其他属性列表
- meta_prefix：为 meta 列名添加的前缀字符串

深层嵌套数据

# 扁平化 categories，并带入门店详情
df = json_normalize(data["businesses"],
                    sep="_",

                    record_path="categories",

                    meta=["name", 
                          "alias", 
                          "rating", 
                          ["coordinates", "latitude"], 
                          ["coordinates", "longitude"]],

                    meta_prefix="biz_")

print(df.head(4))

        alias               title                biz_name  \
0  bookstores          Bookstores   City Lights Bookstore   
1  bookstores          Bookstores  Alexander Book Company   
2  stationery  Cards & Stationery  Alexander Book Company   
3  bookstores          Bookstores       Borderlands Books   

                              biz_alias  biz_rating  biz_coordinates_latitude  \
0   city-lights-bookstore-san-francisco         4.5                 37.797600   
1  alexander-book-company-san-francisco         4.5                 37.788585   
2  alexander-book-company-san-francisco         4.5                 37.788585   
3       borderlands-books-san-francisco         5.0                 37.758984   

   biz_coordinates_longitude  
0                -122.406578  
1                -122.400631  
2                -122.400631  
3                -122.421638

Passons à la pratique !

使用 pandas 高效导入数据